3、图像特征提取：GLCM与HOG方法详解

图像特征提取：GLCM与HOG方法详解

1. 灰度共生矩阵（GLCM）

1.1 GLCM计算

灰度共生矩阵（GLCM）通过 skimage.feature.greycomatrix() 函数计算。该函数接受输入图像、距离、角度和灰度级数等参数。例如：

import skimage.feature
import numpy as np

arr = np.random.randint(0, 4, (10, 10))
co_mat = skimage.feature.greycomatrix(image=arr, distances=[1, 4], angles=[0, 45, 90], levels=4)

返回的矩阵形状为 (4, 4, 2, 3) ，其中前两个数字表示矩阵的行数和列数，第三个数字表示使用的距离数量，最后一个数字表示角度数量。可以通过索引获取特定距离和角度的GLCM，如 co_mat[:, :, 0, 0] 表示距离为1、角度为0°的GLCM。

1.2 GLCM归一化

GLCM归一化是将矩阵中的每个元素除以矩阵元素的总和，得到概率矩阵。归一化的好处是输出矩阵的所有元素在0.0到1.0的相同尺度上，且结果与图像大小无关。在Python中，通过设置 normed=True 实现归一化：

co_mat_normed = skim