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

灰度共生矩阵的计算

终极管理员 知识笔记 84阅读

什么是灰度共生矩阵法?

答: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...

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.

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。

灰度共生矩阵的对角元素和偏离对角线的元素有什么区别?

答:直觉上来说,如果图像的是由具有相似灰度值的像素块构成,则灰度共生矩阵的对角元素会有比较大的值;如果图像像素灰度值在局部有变化,那么偏离对角线的元素会有比较大的值。 也即每个矩阵元素的平方和。 如果灰度共生矩阵中的值集中在某一块(比如对连续灰度值图像,值集中在对角线;对结构化的图像,值集中在偏离对角线的位置),则ASM有较大值,若 G 中的值分布较均匀(如噪声严重的图像),则ASM有较小的值。

声明:无特别说明,转载请标明本文来源!