灰度共生矩阵基本问题

最近做的东西需要用到灰度共生矩阵提取特征,我想问,如果我选择不同的方向和步长,会得到不同很多的共生矩阵,那么计算特征的时候是选择一个方阵去计算还是综合多个不同矩阵计算特征向量呢,或者是对他们不同矩阵算出的同一种特征简单求平均?

0

1个回答

用一个方阵去计算特征向量~纹理的变化越快,则对角线上的数值越小,而对角线两侧的值增大。

0
zyc885
zyc885 具体说在程序里面我分了32个灰度等级 ,七个不同的方向,这样会得到7个32*32的方阵,这时比如要提取ASM这个特征,我应该从7个矩阵中提取一组ASM特征向量用于分类,还是从七个值中选择一个最优的。或者是将七个值加和?求平均? 新手,刚刚接触图像处理,多谢
大约 3 年之前 回复
Csdn user default icon
上传中...
上传图片
插入图片
抄袭、复制答案,以达到刷声望分或其他目的的行为,在CSDN问答是严格禁止的,一经发现立刻封号。是时候展现真正的技术了!
其他相关推荐
灰度共生矩阵及其统计量使用
      网上关于灰度共生矩阵及其统计量的介绍有很多,这里就不再赘述了。这篇博客https://blog.csdn.net/guanyuqiu/article/details/53117507,介绍的还算清楚。本篇博客主要讲如何使用灰度共生矩阵统计量。Haralick等人定义了14个纹理分析的灰度共生矩阵特征参数。Ulaby等人研究发现:在基GLCM的14个纹理特征中,仅有4个特征是不相关的,这...
灰度共生矩阵理解
参考 首先是条件:距离和角度(或者x方向距离,y方向距离)。 假设原图灰度级为 L。(原图大小不重要) 灰度共生矩阵是一个 LxL 大小的概率统计矩阵,每个点的值为满足位置条件的“灰度对”概率大小(最后会归一化)。 归一化前,设这个矩阵中坐标为(p,q)的点处值为num,则表示原图中满足条件的灰度对(p,q)有num个,即位置关系满足“条件”的灰度为p和q的像素对个数为num 举例说明:原...
灰度共生矩阵的理解
灰度共生矩阵(gray level co-occurrence matrix)标准定义如下:对于取定的方向θ 和距离 d, 在方向为θ的直线上, 一个像元灰度为 i, 另一个与其相距为 d像元的灰度为 j 的点对出现的频数即为灰度共生矩阵第(i, j)阵元的值。 怎样理解呢?看起来好复杂呀  呜呜呜小白理解:灰度共生矩阵就是整幅图像中,按照一定的平移方向,相距为d的两个像素同时出现的联合概率密度分...
灰度共生矩阵的原理及实现(特征提取)-OpenCV
最近在研究机器学习相关内容,后面会尽量花时间整理成一个系列的博客,然后朋友让我帮他实现一种基于SVR支持向量回归的图像质量评价方法,然而在文章的开头竟然发现 灰度共生矩阵这个陌生的家伙,于是便有此文。 主要参考博客1:http://blog.csdn.net/jialeheyeshu/article/details/51337225 主要参考博客2:http://blog.csdn....
灰度共生矩阵-python
本篇博客参考灰度共生矩阵(GLCM)附Python代码 ,对其进行了完善与修改。 灰度共生矩阵(Gray Level Co-occurrence Matrix,GLCM)统计了灰度图中像素间的灰度值分布规律以区分不同的纹理。灰度共生矩阵中每个元素的值可以定义为(x, y)点与(x + dx, y + dy)点的值对为(i, j)的概率。统计整幅图像中每一种灰度值组合出现的概率矩阵 P 即...
灰度共生矩阵的定义以及算法
灰度共生矩阵就是两个灰度在特定的位置上出现的概率Pd(i,j),其中d指一定的方向的距离,i,j分别指灰度率。 算法:通过遍历hd_current,在灰度率矩阵中找到对应的hd_shift,每次把共生矩阵对应(*hd_current,*hd_shift)自增。
灰度共生矩阵GLCM及其matlab实现
Prerequisites概念计算方式对于精度要求高且纹理细密的纹理分布,我们取像素间距为d=1d = 1,以下是方向的说明:我们来看,matlab内置工具箱中的灰度共生矩阵的生成函数graycomatrix(gray-level co-occurrence matrix)对方向的说明: 如上图所示,方向是在每一个像素点(pixel of interest)的邻域(当然,边界点除外)中获得的,
灰度共生矩阵代码实现
2概念 2灰度共生矩阵生成编辑 灰度直方图是对图像上单个象素具有某个灰度进行统计的结果,而灰度共生矩阵是对图像上保持某距离的两象素分别具有某灰度的状况进行统计得到的。 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
灰度共生矩阵及相关特征值的计算——opencv
#include<iostream> #include<opencv2/highgui.hpp> #include<opencv2/core.hpp> #include<opencv2/imgcodecs.hpp> #include<opencv2/opencv.hpp> using namespace std; using namespace cv;const int gray_level = 1
灰度共生矩阵(GLCM)理解
灰度共生矩阵 灰度共生矩阵法,顾名思义,就是通过计算灰度图像得到它的共生矩阵,然后透过计算这个共生矩阵得到矩阵的部分特征值,来分别代表图像的某些纹理特征(纹理的定义仍是难点)。灰度共生矩阵能反映图像灰度关于方向、相邻间隔、变化幅度的综合信息,它是分析图像的局部模式和它们排列规则的基础。 对于灰度共生矩阵的理解,需要明确几个概念:方向,偏移量和灰度共生矩阵的阶数。 计算机数字分析的任务时研
灰度共生矩阵(GLCM)入门
1.《【图像算法】图像特征:GLCM》,C代码 http://www.cnblogs.com/skyseraph/archive/2011/08/27/2155776.html 2.《matlab练习程序(共生矩阵) 》,Matlab代码 http://www.cnblogs.com/tiandsp/archive/2013/03/23/2977673.html http://matlab
灰度共生矩阵及特征提取—OpenCV
因为OpenCV中自带的灰度共生矩阵的计算使用过程中,经常出现问题;之前在项目中使用了别人基于OpenCV重新编写cl_texture的灰度共生矩阵,但该代码只能在MFC环境下使用,且不能释放内存;现有的网上流行的基于OpenCV的灰度共生矩阵的计算,都是基于C++接口实现的;因为,本人使用的是OpenCV的C接口,所以,在结合前人的代码的基础上,实现了基于OpenCV的C接口的灰度共生矩阵的计算
[图像] 灰度共生矩阵
灰度共生矩阵表达了在某一条件下,两种灰度值像素同时出现的次数。     如果图像的灰度值有256种,那么灰度共生矩阵的大小为256X256。     这种约束关系可由(d,theta)表示。(1,0)表示灰度值j与灰度值i在右边相邻,(1,1)表示灰度值j在灰度值右上角处,等等。     既然灰度共生矩阵表示的是共同出现的次数,那么它应该满足对称性,也就是i与j共同出现的次数等于j与i共同出
matlab自带函数实现灰度共生矩阵,求取特征值
举例: I = imread('D:\0.6-4.png'); GLCM = graycomatrix(I,'Offset',[1 0;0 1]); stats = graycoprops(GLCM,{'contrast','homogeneity','correlation','energy'});1.   graycoprops(glcm, properties)  其中...
灰度共生矩阵的实现
由于纹理是由灰度分布在空间位置上反复出现而形成的,因而在图像空间中相隔某距离的两象素之间会存在一定的灰度关系,即图像中灰度的空间相关特性。灰度共生矩阵就是一种通过研究灰度的空间相关特性来描述纹理的常用方法。
python实现图像灰度共生矩阵
自己用python写的灰度共生矩阵小程序
matlab灰度共生矩阵提取纹理特征
灰度共生矩阵是图像纹理特征提取当中最简单的方法,matlab已经集成了此功能,比如 GLCM = [0 1 2 3;1 1 2 3;1 0 2 0;0 0 0 3]; stats = graycoprops(GLCM) stats里面获得的是图像的'Contrast'、'Correlation'、'Energy'和'Homogeneity'。 I = imread('circuit
利用灰度共生矩阵提取图像纹理特征
利用灰度共生矩阵提取图像纹理特征 --xuliang
图像处理基础——灰度共生矩阵
灰度共生矩阵(GLDM)的统计方法是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。 度共生矩阵被定义为从灰度为i的像素点出发,离开某个固定位置(相隔距离为d,方位为)的点上灰度值为的概率,即,所有估...
图像的纹理特性之灰度共生矩阵的graycomatrix函数及其matlab实现
图像的灰度共生矩阵(Gray-level co-occurrence matrix from an image) 灰度共生矩阵是像素距离和角度的矩阵函数,它通过计算图像中一定距离和一定方向的两点灰度之间的相关性,来反映图像在方向、间隔、变化幅度及快慢上的综合信息。 graycomatrix matlab(r2013b)里如下解释和使用 语法 glcm = gr
灰度共生矩阵(GLCM)附Python代码
参考文献:Textural Features for Image Classification1. 简介 灰度共生矩阵(Gray-Level Co-occurrence Matrix,GLCM)统计了灰度图中像素间的灰度值分布规律以区分不同的纹理。 度共生矩阵可以定义为一个灰度为iii的像素点与另一个与之对应位置上的像素点的灰度值为jjj的概率。那么所有估计的值可以表示成一个矩阵的形式,...
灰度共生矩阵纹理特征提取的Matlab实现
图像的特征提取是图像的识别和分类$基于内容的图像检索$图像数据挖掘等研究内容的基础性工作,其中图像的纹理特征对描述图像内容具有重要意义,纹理特征提取已成为目前图像领域研究的热点#文中深入研究了基于灰度共生矩阵( /012) 的纹理特征提取方法,给出了基于 234536 的简便实现代码,分析了共生矩阵各个构造参数对构造共生矩阵的影响#分析结果对优化灰度共生矩阵的构造$实现基于灰度共生矩阵( /012) 的特定图像的纹理特征提取等都具有重要参考意义
灰度共生矩阵(GLCM)并计算能量、熵、惯性矩、相关性(matlab)(待总结)
关于灰度共生矩阵的介绍可参考http://blog.csdn.net/chuminnan2010/article/details/22035751http://blog.csdn.net/xuezhisd/article/details/8908824http://blog.csdn.net/xuexiang0704/article/details/8713204http://cn.mathwork
灰度共生矩阵的生成和理解
在网上看了很多灰度共生矩阵生成的例子感觉都没有说明白,要不就直接上结果要不就给一堆看不懂的代码和公式,后来看了matlab中的介绍就明白了,其实很简单,仔细把下面的看三遍就理解怎么来的了! GLCM表其实就是所有像素可能的组合,比如,GLCM(1,1)就是I中像素值为1和1的组合,GLCM(4,5)就是I中像素4和像素5的组合,GLCM(i,j)的值呢就是I中像素为i,像素为j的有有
纹理特征提取方法:LBP, 灰度共生矩阵
纹理特征提取方法:LBP, 灰度共生矩阵在前面的博文《图像纹理特征总体简述》中,笔者总结了图像纹理特征及其分类。在这里笔者对其中两种算法介绍并总结。参考网址: 《纹理特征提取》 《【纹理特征】LBP 》 《灰度共生矩阵(GLCM)理解》 《灰度共生矩阵的理解》 《图像的纹理特征之灰度共生矩阵 》参考论文: 《基于灰度共生矩阵提取纹理特征图像的研究》——冯建辉 《灰度共生矩阵纹理特征提取
计算灰度共生矩阵
灰度共生矩阵         灰度共生矩阵定义为像素对的联合分布概率,是一个对称矩阵,它不仅反映图像灰度在相邻的方向、相邻间隔、变化幅度的综合信息,但也反映了相同的灰度级像素之间的位置分布特征,是计算纹理特征的基础。        设f(x,y)为一幅数字图像,其大小为M×N,灰度级别为Ng,则满足一定空间关系的灰度共生矩阵为:         其中#(x
灰度共生矩阵四个方向得到一组特征值
#include #include #include #include #include using namespace std; using namespace cv; const int gray_level = 16; void getglcm_horison(Mat& input, Mat& dst)//0度灰度共生矩阵 { Mat src = inpu
glcm灰度共生矩阵即特征值的提取
共生矩阵用两个位置的象素的联合概率密度来定义,它不仅反映亮度的分布特性,也反映具有同样亮度或接近亮度的象素之间的位置分布特性,是有关图象亮度变化的二阶统计特征。它是定义一组纹理特征的基础。 一幅图象的灰度共生矩阵能反映出图象灰度关于方向、相邻间隔、变化幅度的综合信息,它是分析图象的局部模式和它们排列规则的基础。   设f(x,y)为一幅二维数字图象,其大小为M×N,灰度级别为Ng,则满
图像纹理——灰度共生矩阵
1.灰度共生矩阵 本文是借用一篇文章的例子讲解灰度共生矩阵,用文字说明感觉说不清,自己之前用该方法做过实验,还是会忘,所以干脆用例子的方式介绍,下一次再看也容易理解。 在图像中任意一点(x,y)及偏离它的一点(x+a,y+b)(其中a,b为整数,认为定义)构成点对。设该点对的灰度值为(f1,f2),假设图像的最大灰度级为L,则f1与f2的组合共有L*L种。对于整福图像,统计每一种(f1,f2)
MATLAB中灰度共生矩阵graycomatrix()函数用法
MATLAB中灰度共生矩阵graycomatrix()函数用法 glcm = graycomatrix(I) 从图像I创建灰度共生矩阵glcm。 通过计算具有灰度级i和灰度级j的像素对在水平方向相邻出现的频繁程度。 glcm中的每个元素说明了水平方向相邻像素对出现的次数。 如果灰度级为L,则glcm的维数为L*L glcms = graycomatrix(I,para...
灰度共生矩阵原理+Matlab中实现
共生矩阵用两个位置的象素的联合概率密度来定义,它不仅反映亮度的分布特性,也反映具有同样亮度或接近亮度的象素之间的位置分布特性,是有关图象亮度变化的二阶统计特征。它是定义一组纹理特征的基础。        由于纹理是由灰度分布在空间位置上反复出现而形成的,因而在图像空间中相隔某距离的两象素之间会存在一定的灰度关系,即图像中灰度的空间相关特性。灰度共生矩阵就是一种通过研究灰度的空间相关特性来描述
灰度共生矩阵GLCM的计算
首先贴一个链接:[http://www.fxyqpx.org/ZGGX/html/gx20150311.htm#zz] 各种概念性的东西论文里都有了,但是我在网上查找C#代码的时候,老是找不全,要么就是有些博客写的有问题。这是计算图像各个特征参数的函数: /// <summary> /// /// </summary> /// <p
灰度共生矩阵(GLCM) 及matlab代码实现
这几天学习灰度共生矩阵,现记录如下: 讲灰度共生矩阵比较好的一份百度文库文档:http://wenku.baidu.com/view/84a1c051f01dc281e53af07c.html 以下内容转自:http://blog.sina.com.cn/s/blog_4a18533301010pl6.html   共生矩阵用两个位置的象素的联合概率密度来定义,它不仅反映亮度的分布特性
灰度共生矩阵
基于共生矩阵纹理特征提取,d=1,θ=0°,45°,90°,135°共四个矩阵,所用图像灰度级均为256。
灰度共生矩阵特征值(不错的算法)
灰度共生矩阵特征值灰度共生矩阵特征值灰度共生矩阵特征值灰度共生矩阵特征值灰度共生矩阵特征值灰度共生矩阵特征值灰度共生矩阵特征值灰度共生矩阵特征值
图像特征算子系列之灰度共生矩阵原理分析与实现(八)
灰度共生矩阵就是一种通过研究灰度的空间相关特性来描述纹理的常用方法。 由于纹理是由灰度分布在空间位置上反复出现而形成的,因而在图像空间中相隔某距离的两象素之间会存在一定的灰度关系,即图像中灰度的空间相关特性。灰度共生矩阵定义为像素对的联合分布概率,是一个对称矩阵,它不仅反映图像灰度在相邻的方向、相邻间隔、变化幅度的综合信息,但也反映了相同的灰度级像素之间的位置分布特征,是计算纹理特征的基础。本文介绍了灰度共生矩阵的原理及计算方法,并给出了灰度共生矩阵的C++实现。
纹理特征提取——灰度共生矩阵
稍后更新
使用灰度共生矩阵实现指纹分割
灰度共生矩阵,Gray Level Co-occurrence Matrix,简写为GLCM      由于纹理是由灰度分布在空间位置上反复出现而形成的,因而在图像空间中相隔某距离的两象素之间会存在一定的灰度关系,即图像中灰度的空间相关特性。灰度共生矩阵就是一种通过研究灰度的空间相关特性来描述纹理的常用方法。      取图像(N×N)中任意一点 (x,y)及偏离它的另一点 (x+a,
OpenCV22(灰度共现矩阵/灰度共生矩阵)
理解它的最好办法,就是我们来一起算一次。 一、先介绍一下基本的概念 灰度共现/共生矩阵,其上元素,是灰度图像中某种形状的像素对,在全图中出现的次数(或者是概率)。(不理解?没关系,一会就明白了) 可以用作图像的一种特征,借以区分不同的图像。 灰度共现矩阵是方阵,矩阵的行数是图像灰度的等级。(不理解?没关系) OK,开始做题。 二、计算灰度共现/共生矩
灰度共生矩阵提取图像特征
灰度共生矩阵提取图像特征,包括能量,熵 ,惯性矩,相关性,逆差距
文章热词 机器学习 机器学习课程 机器学习教程 深度学习视频教程 深度学习学习
相关热词 c# 投屏 c#好看的音乐控件 c# string 转码 python教程+chm python教程百家号