纹理特征小结

最新推荐文章于 2025-10-24 09:03:24 发布
原创 最新推荐文章于 2025-10-24 09:03:24 发布 · 5.4k 阅读 · 11 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文对医学影像的纹理特征进行了总结，包括灰度共生矩阵（GLCM）和灰度行程矩阵（GLRLM），用于描述像素分布和相关性。GLCM通过统计像素位置关系计算Variance、Homogeneity等特征，GLRLM则衡量灰度和行程的均匀性。此外，还提及了局部二值模式（LBP）算子，但因其高维度和解释性问题在实验中可能不适用。

因为分子分型的分类效果不好，所以考虑重新提取特征，而且想到老师要求最后给他一个toolbox，所以这里顺便对医学上的放射组学特征进行简单的小结


它们用于图像纹理特征的描述（虽然这个描述对我而言很尴尬，表现在分类效能不佳，当然可能是我的打开方式不对(；′⌒`)


然而它还在用的原因是....它在医学上具有可解释型...（呸）


首先他们基于ROI区域I构造了许多不同的矩阵用来描述像素的分布/关联


1)灰度共生矩阵(GLCM)

灰度共生矩阵是通过不同角度下图片中两像素值的位置关系来决定的

如下图所示，左边I是原图，我们选择水平角度（0度）构造灰度共生矩阵，GLCM[i,j]表示的就是距离为i的像素点他们在I上的像素点差值为j-1的个数



之后我们便可以基于GLCM矩阵计算如下所示一系列特征


最低0.47元/天 解锁文章
图像纹理复杂度计算
code_caq的博客
01-07 1万+
定义图像的灰度级直方图的二阶矩（方差）描述纹理复杂度： 其中z表示灰度，p(zi)为相应的直方图，其中L是不同灰度级的数量。m是z的均值： C++实现如下： cv::Mat img = cv::imread("test.bmp"); int height = img.rows; int width = img.cols; double mean = 0
基于梯度的纹理复杂度分析
慢慢积累
12-13 5605
图像P以一个二维数组的形式存储，图像梯度就是对像素p(i,j)求导： Grad(x,y)=dx(i,j)+dy(i,j);Grad(x,y) = dx(i,j) + dy(i,j); dx(i,j)=p(i,j)−p(i−1,j);dx(i,j) = p(i,j) - p(i-1,j); dy(i,j)=p(i,j)−p(i,j−1);dy(i,j) = p(i,j) - p(i,j-1);则
8、图像纹理特征提取方法详解
最新发布
Pepper的专栏
10-24 30
本文详细介绍了图像纹理特征提取的两大类方法：空间方法和光谱方法。空间方法包括Tamura纹理、灰度共生矩阵（GLCM）、马尔可夫随机场（MRF）和分形维数（FD），侧重于捕捉图像的局部结构与统计特性，具有直观性和语义意义，但计算复杂且对噪声敏感。光谱方法则基于傅里叶变换、DCT、Gabor滤波器等频率域技术，通过分析纹理模式的变化频率实现高效、稳健的特征提取。文章对比了各类方法的优缺点，并总结了其适用场景，为纹理分析与图像检索提供了系统性的方法参考。
纹理复杂度计算-灰度共生矩阵,灰度共生矩阵纹理特征提取,matlab
09-10
实验室师兄写的代码，使用灰度共生矩阵计算图像的纹理复杂度，然后可以用来衡量嵌入水印的多少。
opencv纹理特征提取_图像特征提取实践小结
weixin_39666496的博客
12-06 2429
一、背景视觉是人类最高级别的感知，因此图像在人类感知中扮演着重要的角色。统计表明，人类从外界获得的绝大部分信息是来自视觉所接收的图像信息。随着计算机软硬件技术、社交网络和多媒体技术的快速发展，图像的生成、处理、存储、传播变得越来越方便，图像数据量呈现出爆炸性的增长。58作为国内排名前列的生活服务平台，存储有海量的图像数据。如何使用好这些图像数据涉及到各种类型的图像任务，常见的有：图像审核...
纹理特征分析的灰度共生矩阵（GLCM）
热门推荐
lskyne的专栏
03-11 8万+
纹理分析是对图像灰度（浓淡）空间分布模式的提取和分析。纹理分析在遥感图像、X射线照片、细胞图像判读和处理方面有广泛的应用。关于纹理，还没有一个统一的数学模型。它起源于表征纺织品表面性质的纹理概念，可以用来描述任何物质组成成分的排列情况，例如医学上X 射线照片中的肺纹理、血管纹理、航天(或航空)地形照片中的岩性纹理等。图像处理中的视觉纹理通常理解为某种基本模式（色调基元）的重复排列。因此描述一种纹理
基于内容的图像检索——提取颜色、形状、纹理三种特征方式实现（附Python实现代码）
qq_52062754的博客
07-15 1089
基于内容的图像检索——提取颜色、形状、纹理三种特征方式实现（附Python实现代码）
9.rar_图像修复_小波 修复_纹理修复_纹理图像修复_纹理填充
07-15
法的基本思想是在小波域中利用小波系数的能量来确定待修复块的填充顺序, 并结合纹理合成的方法填充待修复区。实验结 果表明, 该算法不仅可以大大提高纹理图像的修复速度, 而且在峰值信噪比和主观视觉效果上都优于...
2.19 渐变色和纹理小结｜canvas填充样式（渐变色与纹理）｜Canvas图形、动画、游戏开发从入门到精通全系列课程
08-31
2.19_渐变色和纹理小结｜canvas填充样式（渐变色与纹理）｜Canvas图形、动画、游戏开发从入门到精通全系列课程
纹理特征驱动的车牌定位技术详解
4.11小结部分总结了前面的所有步骤，强调了生成面网格过程中对纹理特征的利用，以及在整个过程中对细节的把控。整个过程不仅涉及到几何清理、网格划分、零件管理和连接单元设置，还涵盖了体网格的生成，如四面体和...
纹理特征一：GLCM---灰度共生矩阵
钉马掌的小铁匠的博客
08-22 4336
GLCM 灰度共生矩阵 GLCM（Gray-level co-occurence matrix，灰度共生矩阵）是20世纪70年代初由R.Haralick等人提出的。该方法基于的假设是：图像纹理的变化和色素的空间分布有关。 设图上一点(x,y)(x,y)(x,y)与一个距离固定的点(x+d,y+l)(x+d,y+l)(x+d,y+l)，两点的灰度值分别（g1, g2)，之后移动(x,y)(x,y)...
GLCM 纹理特征：根据输入的 GLCM 计算纹理特征-matlab开发
05-31
GLCM 存储在 aixjxn 矩阵中，其中 n 是通常由于算法中使用的不同方向和位移而计算的 GLCM 数量。 通常i和j的值等于GLCM计算函数graycomatrix()的'NumLevels'参数。 请注意，matlab 量化值属于集合 {1,..., NumLevels} 而不是来自某些参考文献中提供的 {0,...,(NumLevels-1)} http://www.mathworks.com/help/images/ref/graycomatrix.html 虽然在 Matlab Image Processing Toolbox 中有一个函数 graycoprops() 可以计算四个参数 Contrast、Correlation、Energy 和 Homogeneity。 Haralick的论文提出了一些其他参数，这些参数也在此处计算。 该代码未矢量化，因此不是一种有效的
GLCM纹理特征提取
06-08
修改了opencv的Grey Level Co-occurrence Matrix算法(texture.cpp)，是一个简单的示例。
matlab常用纹理特征提取方法（GLCM，GLDS）.zip_GLDS_matlab提取纹理_灰度共生矩阵GLCM_纹理特征
07-15
完整代码，改路径即可实现，图像matlab灰度差分统计实现
matlab常用纹理特征提取方法（GLCM，GLDS，LBP，GMRF，FD，Gabor）
05-01
一些常用的纹理特征提取方法汇总，都是用matlab写的，经过测试后有效。希望对大家有所帮助。matlab版本的源码，有详细的sift特征提取和匹配的步骤介绍，具体sift是什么我就不多说了。这个matlab版本的源码就是供初学者学习之用。本人也是刚刚学习，代码亲字试过，希望对大家有帮助，大家一起学习交流，我也是从别人那考来的代码
纹理特征
luckyboy101的专栏
10-30 1433
Texture Feature 纹理特征也是物体识别和检索的一个重要特征集。 [1973] Textural features for image classification [1979 ] Statistical and structural approaches to texture [1996 PAMI] Texture features for browsing and r
其它纹理特征
林建华的专栏
08-10 2754
除了上述的Tamura特征、SAR模型和小波变换等纹理特征之外，还有许多其它的纹理特征。早在70年代，Haralick等研究人员就提出了用共生矩阵（co-occurrence matrix）表示纹理特征的方法[13]。该方法对从数学角度研究了图像纹理中灰度级的空间依赖关系。它首先建立一个基于象素之间方向性和距离的共生矩阵，然后从矩阵中提取有意义的统计量作为纹理特征。许多其他研究人员沿着这个方向提出
纹理特征（一）——GLCM灰度共生矩阵基础
weixin_45739042的博客
04-22 4168
纹理特征（一）——GLCM灰度共生矩阵灰度共生矩阵简介数学定义 参考文献 [1] HARALICK R M, SHANMUGAM K. Textural features for image classification[J]. IEEE transactions on systems ,man, and cybernetics, 1973 ,3(6):610-621. [2]王辉,丛榆坤,陈金阳...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值