欢迎来到飞鸟慕鱼博客,开始您的技术之旅!
当前位置: 首页知识笔记正文

灰度共生矩阵计算例题

墨初 知识笔记 132阅读

如何计算空间灰度共生矩阵?

答:解决的办法是: 在尽量保持影像原形的情况下大量削减影像灰度级的取值个数和影像分辨率。 因此在计算空间灰度共生矩阵时,在不影响纹理特征的前提下往往先将原影像的灰度级压缩到较小的范围,一般取8级或16级,以便减小共生矩阵的尺寸。

灰度共生矩阵是区分纹理的特征吗?

答:由于灰度共生矩阵的数据量较大,一般不直接作为区分纹理的特征,而是基于它构建的一些统计量作为纹理分类特征。 Haralick曾提出了14种基于灰度共生矩阵计算出来的统计量:即:能量、熵、对比度、均匀性、相关性、方差、和平均、和方差、和熵、差方差、差平均、差熵、相关信息测度以及最大相关系数。

灰度共生矩阵(GLCm)的统计方法是什么?

答:灰度共生矩阵 (GLCM)的统计方法是20世纪70年代初由R.Haralick等人提出的,Haralick提出了14种基于灰度共生矩阵计算出来的统计量:即: 能量 、 熵 、 对比度 、 均匀性 、 相关性 、 方差 、 和平均 、 和方差 、 和熵 、 差方差 、 差平均 、 差熵 、 相关信息测度以及最大相关系数 . 下面主要说一下具有代表性且常用的四个统计量.

声明:无特别说明,转载请标明本文来源!