matlab提供了現(xiàn)成的函數(shù)
讓客戶滿意是我們工作的目標(biāo)，不斷超越客戶的期望值來(lái)自于我們對(duì)這個(gè)行業(yè)的熱愛(ài)。我們立志把好的技術(shù)通過(guò)有效、簡(jiǎn)單的方式提供給客戶，將通過(guò)不懈努力成為客戶在信息化領(lǐng)域值得信任、有價(jià)值的長(zhǎng)期合作伙伴，公司提供的服務(wù)項(xiàng)目有：空間域名、網(wǎng)頁(yè)空間、營(yíng)銷軟件、網(wǎng)站建設(shè)、昂昂溪網(wǎng)站維護(hù)、網(wǎng)站推廣。
graycomatrix生成共生矩陣
graycoprops計(jì)算其特征值
具體用法：
glcm = graycomatrix(I)通過(guò)計(jì)算具有灰度級(jí)i和灰度級(jí)j的像素對(duì)在水平方向相鄰出現(xiàn)的頻繁程度。glcm中的每個(gè)元素說(shuō)明了水平方向相鄰像素對(duì)出現(xiàn)的次數(shù)。
matlab提供了現(xiàn)成的函數(shù)
graycomatrix生成共生矩陣
graycoprops計(jì)算其特征值
具體用法：
glcm = graycomatrix(I)
從圖像I創(chuàng)建灰度共生矩陣glcm。通過(guò)計(jì)算具有灰度級(jí)i和灰度級(jí)j的像素對(duì)在水平方向相鄰出現(xiàn)的頻繁程度。glcm中的每個(gè)元素說(shuō)明了水平方向相鄰像素對(duì)出現(xiàn)的次數(shù)。如果灰度級(jí)為L(zhǎng)則glcm的維數(shù)為L(zhǎng)*L。
2.glcms = graycomatrix(I,param1,val1,param2,val2,...)
根據(jù)參數(shù)對(duì)的設(shè)定，返回一個(gè)或多個(gè)灰度共生矩陣。
參數(shù)說(shuō)明：
'GrayLimits'：灰度界限，為二元向量[low high]?；叶戎敌∮诘扔趌ow 時(shí)對(duì)應(yīng)1，大于等于high時(shí)對(duì)應(yīng)于灰度級(jí)。如果參數(shù)設(shè)為[]，則共生矩陣使用圖像的最小和最大灰度值作為界限，即[min(I(:)) max(I(:))]。
'NumLevels'：整數(shù)，說(shuō)明I中進(jìn)行灰度縮放的灰度級(jí)數(shù)目。例如，如果NumLevel設(shè)為8，則共生矩陣縮放I中的灰度值使它們?yōu)?到8之間的整數(shù)。灰度級(jí)的數(shù)目決定了共生矩陣glcm的尺寸。缺省情況：數(shù)字圖像：8；二進(jìn)制圖像：2。
'Offset'：p行2列整型矩陣，說(shuō)明感興趣像素與其相鄰像素之間的距離。每行是一個(gè)說(shuō)明像素對(duì)之間偏移關(guān)系的二元向量[row_offset, col_offset]。行偏移row_offset是感興趣像素和其相鄰像素之間的間隔行數(shù)。列偏移同理。偏移常表達(dá)為一個(gè)角度，常用的角度如下：（其中D為像素距離）
角度 0 45 90 135
Offset [0,D] [-D D] [-D 0] [-D -D]
3.[glcms,SI] = graycomatrix(...)
返回縮放圖像SI，SI是用來(lái)計(jì)算灰度共生矩陣的。SI中的元素值介于1和灰度級(jí)數(shù)目之間。
graycoprops：得到灰度共生矩陣得到各種屬性
stats = graycoprops(glcm, properties)：從灰度共生矩陣glcm計(jì)算靜態(tài)屬性。glcm是m*n*p的有效灰度共生矩陣。如果glcm是一個(gè)灰度共生矩陣的矩陣，則stats是包括每個(gè)灰度共生矩陣靜態(tài)屬性的矩陣。
graycoprops正規(guī)化了灰度共生矩陣，因此元素之和為1。正規(guī)化的GLCM中的元素（r，c）是具有灰度級(jí)r和c的定義的空間關(guān)系的像素對(duì)的聯(lián)合概率。Graycoprops使用正規(guī)化的GLCM來(lái)計(jì)算屬性。
屬性參數(shù)如下：
1. 'Contrast' : 對(duì)比度。返回整幅圖像中像素和它相鄰像素之間的亮度反差。取值范圍：[0,（GLCM行數(shù)-1）^2]?；叶纫恢碌膱D像，對(duì)比度為0。
2. 'Correlation' : 相關(guān)。返回整幅圖像中像素與其相鄰像素是如何相關(guān)的度量值。取值范圍：[-1,1]?；叶纫恢碌膱D像，相關(guān)性為NaN。
3. 'Energy' : 能量。返回GLCM中元素的平方和。取值范圍：[0 1]?；叶纫恢碌膱D像能量為1。
4. 'Homogemeity' : 同質(zhì)性。返回度量GLCM中元素的分布到對(duì)角線緊密程度。取值范圍：[0 1]。對(duì)角矩陣的同質(zhì)性為1。
灰度共生矩陣應(yīng)用到segnet網(wǎng)絡(luò)操作方法。
1、灰度共生矩陣是涉及像素距離和角度的矩陣函數(shù)，它通過(guò)計(jì)算圖像中一定距離和一定方向的兩點(diǎn)灰度之間的相關(guān)性，來(lái)反映圖像在方向、間隔、變化幅度及快慢上的綜合信息。
2、灰度直方圖是對(duì)圖像上單個(gè)像素具有某個(gè)灰度進(jìn)行統(tǒng)計(jì)的結(jié)果，而灰度共生矩陣是對(duì)圖像上保持某距離的兩像素分別具有某灰度的狀況進(jìn)行統(tǒng)計(jì)得到的。
基于灰度共生矩陣的圖像分割方法研究
時(shí)間：2009-12-16 11:13:13 來(lái)源：電子科技 作者：寧順剛，白萬(wàn)民，喻 鈞 西安工業(yè)大學(xué)計(jì)算機(jī)科學(xué)與工
程學(xué)院
所謂圖像分割就是指把圖像分成各具特性的區(qū)域，并提取出感興趣目標(biāo)的技術(shù)和過(guò)程。它是數(shù)字圖像處理中的關(guān)鍵技術(shù)之一，是進(jìn)一步進(jìn)行圖像識(shí)別、分析和理解的基礎(chǔ)。目前圖像分割方面現(xiàn)有的算法非常多，將它們進(jìn)行分類的方法也提出了不少。一般分為3類：(1)閾值分割；(2)邊緣檢測(cè)；(3)區(qū)域提取。但還沒(méi)有一種方法能普遍適用于各種圖像。因此，對(duì)于圖像分割的研究還在不斷深人之中，也是目前圖像處理中研究的熱點(diǎn)之一。隨著科技的發(fā)展進(jìn)步，圖像處理在軍事中的運(yùn)用也越來(lái)越廣泛，這主要集中在迷彩設(shè)計(jì)這方面。而現(xiàn)在軍事上的偽裝迷彩是現(xiàn)代高技術(shù)戰(zhàn)爭(zhēng)中隱藏武器裝備、保存自我的重要手段，也是消滅敵人的需要。因此對(duì)于迷彩的設(shè)計(jì)研究也一直都是各國(guó)的熱門話題。文中主要以某山地航拍圖為研究對(duì)像，對(duì)其進(jìn)行背景分析然后再實(shí)現(xiàn)圖像分割，為后期迷彩設(shè)計(jì)做準(zhǔn)備。由于該山地背景紋理特征明顯，故利用紋理分析對(duì)其進(jìn)行背景分析，而灰度共生矩陣是紋理分析方法中最常用的一種方法。文中采用灰度共生矩陣方法對(duì)該圖像進(jìn)行分割研究。
1 灰度共生矩陣
灰度共生矩陣(Gray Level Co-occurrence Ma-trix，GLCM)是圖像紋理分析方法中的一種，它反映不同像素相對(duì)位置的空間信息，在一定程度上反映了紋理圖像中各灰度級(jí)在空間上的分布特性，是紋理分析領(lǐng)域中最經(jīng)常采用的特征之一?；叶裙采仃囀菆D像灰度變化的二階統(tǒng)計(jì)度量，也是描述紋理結(jié)構(gòu)性質(zhì)特征的基本函數(shù)，它統(tǒng)計(jì)了兩個(gè)像素點(diǎn)位置的聯(lián)合概率分布。設(shè)S為目標(biāo)區(qū)域R中具有特定空間聯(lián)系的像素對(duì)的集合，則共生矩陣P可定義為
式(1)等號(hào)右邊的分子是具有某種空間關(guān)系、灰度值分別為i，j的像素對(duì)的個(gè)數(shù)，分母為像素對(duì)的總和個(gè)數(shù)(#代表數(shù)量)，這樣得到的P是歸一化的。
對(duì)于一幅圖像Gf(i，j)，大小N×N，包含像素(動(dòng)態(tài)范圍為G)的灰度級(jí)為{0，1，…，G-1}，它的灰度共生矩陣是一個(gè)二維矩陣C(i，J)，每個(gè)矩陣元素表示在某一距離d和角度θ強(qiáng)度i和j聯(lián)合出現(xiàn)的概率。因此，根據(jù)不同的d和θ值，這里可能存在多個(gè)共生矩陣。但在實(shí)際應(yīng)用中，往往適當(dāng)?shù)倪x取d，而θ一般取O°，45°，90°，135，如圖1所示。
重慶分公司
重慶分公司
