图像纹理特征的提取—灰度共生矩阵GLCM

最新推荐文章于 2025-04-29 11:49:34 发布

xueyueQQ

最新推荐文章于 2025-04-29 11:49:34 发布

阅读量1.2w

点赞数 7

分类专栏：遥感图像处理文章标签：图像处理算法

本文链接：https://blog.youkuaiyun.com/qq_44265217/article/details/109287879

版权

灰度共生矩阵（GLCM）是一种用于图像纹理特征提取的统计分析方法，由R.Haralick等人在20世纪70年代提出。它通过计算灰度图像的共生矩阵和提取特征值来反映图像纹理信息。GLCM考虑了像素间空间分布、方向、相邻间隔和变化幅度，常用于遥感图像的物体识别。计算过程中涉及步距、方向、滑动窗口尺寸和灰度阶数的选择。常用特征值包括角二阶矩（能量）、对比度、相关度和熵。通过滑动窗口遍历图像所有像素，最终得到一个纹理特征值矩阵。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

参考文献：
https://blog.youkuaiyun.com/qq_36654309/article/details/106527876?utm_medium=distribute.pc_relevant.none-task-blog-title-2&spm=1001.2101.3001.4242
https://blog.youkuaiyun.com/ajianyingxiaoqinghan/article/details/71552744
https://baike.baidu.com/item/%E7%81%B0%E5%BA%A6%E5%85%B1%E7%94%9F%E7%9F%A9%E9%98%B5/1498946?fr=aladdin
https://github.com/LinghuiXia/GLCM

概念

在遥感图像的研究中，我们经常需要对图像的内容进行特征提取，以进行下一步的物体识别等工作。图像的纹理特征就是一种常用的图像特征，而灰度共生矩阵就是用来对图像做纹理特征提取的一种统计分析方法。

灰度共生矩阵是20世纪70年代初由R.Haralick等人提出的，它是在假定图像中各像素间的空间分布关系包含了图像纹理信息的前提下，提出的具有广泛性的纹理分析方法。

灰度共生矩阵法(GLCM, Gray-level co-occurrence matrix)，就是通过计算灰度图像得到它的共生矩阵，然后再计算所得到的共生矩阵的部分特征值，来分别代表图像的某些纹理特征。灰度共生矩阵能反映图像灰度关于方向、相邻间隔、变化幅度等综合信息，它是分析图像的局部模式和它们排列规则的基础。

摘自百度百科：
取图像(N×N)中任意一点（x，y）及偏离它的另一点（x+a，y+b），设该点对的灰度值为（g1，g2）。令点（x，y）在整个画面上移动，则会得到各种（g1，g2）值，设灰度值的级数为 k，则（g1，g2）的组合共有 k 的平方种。对于整个画面，统计出每一种（g1，g2）值出现的次数，然后排列成一个方阵，再用（g1，g2

最低0.47元/天解锁文章