灰度共生矩陣(GLCM)基本原理

灰度共生矩陣

灰度共生矩陣(Gray Level CO-Occurrence Matrix-GLCM)是圖像特征分析與提取的重要方法之一，在紋理分析、特征分類、圖像質量評價燈方面都有很重要的應用，其基本原理圖示如下：

左側是一個圖像，可以看出最小的灰度級別是1，最大的灰度級別是8，共有8個灰度級別。右側對應的灰度共生矩陣，左上角第一行與第一列的坐標(1, 1)包含值1，原因在于水平方向上，相距一個像素值，當前像素跟水平右側相鄰像素只有一個是1、1相鄰的像素值(灰度級別)對；右側共生矩陣的原始(1, 2) = 2 說明在像素矩陣中有兩個像素值1，2相鄰的像素點對、以此類推得到完整的右側灰度共生矩陣。根據當前像素跟相鄰像素位置不同，可以計算得到不同的共生矩陣，同時根據像素之間的距離不同會輸出不同灰度共生矩陣?？偨Y來說，有如下四種不同角度的灰度共生矩陣：

0度水平方向GLCM

45度方向GLCM

90度垂直方向GLCM

135度方向GLCM

根據相鄰像素點之間距離參數D不同可以得到不同距離的GLCM。此外對正常的灰度圖像來說，最小灰度值為0，最大的灰度值為255，共計256個灰度級別，所以GLCM的大小為256x256，但是我們可以對灰度級別進行降維操作，比如可以每8個灰度值表示一個level這樣，這樣原來256x256大小的共生矩陣就可以改成256/8 * 256 /8 = 32x32的共生矩陣。所以最終影響灰度共生矩陣生成有三個關鍵參數：

角度 (支持0、45、90、135)

距離（大于等于1個像素單位）

灰度級別(最大GLCM=256 x 56)

GLCM實現紋理特征計算

灰度共生矩陣支持如下紋理特征計算，它們是：

能量

熵值

對比度

相關性

逆分差

這些紋理特征計算公式如下：

上述5個是常見的GLCM的紋理特征，GLCM總計由14個特征值輸出，這里就不再贅述了！感興趣的可以自己搜索關鍵字GLCM。

OpenCV計算灰度共生矩陣

OpenCV本身沒有灰度共生矩陣的算法實現，所以需要對照自己編碼實現，計算圖像灰度共生矩陣，代碼實現步驟如下：

加載圖像，灰度轉

創建灰度共生矩陣Mat對象

計算灰度共生矩陣

顯示灰度共生矩陣

這里我采用的角度為0、45、90、135、像素距離d=1、灰度級別為256，代碼實現如下：

//0°，45°，90°，135°
Matglcm_0=Mat::zeros(Size(step,step),CV_32FC1);
for(introw=0;row(row,col);
intj=gray.at(row,col+1);
glcm_0.at(i,j)++;
}
}

Matglcm_45=Mat::zeros(Size(step,step),CV_32FC1);
for(introw=1;row(row,col);
intj=gray.at(row-1,col+1);
glcm_45.at(i,j)++;
}
}
Matglcm_90=Mat::zeros(Size(step,step),CV_32FC1);
for(introw=1;row(row,col);
intj=gray.at(row-1,col);
glcm_90.at(i,j)++;
}
}
Matglcm_135=Mat::zeros(Size(step,step),CV_32FC1);
for(introw=1;row(row,col);
intj=gray.at(row-1,col-1);
glcm_135.at(i,j)++;
}
}

normalize(glcm_0,glcm_0,0,1.0,NORM_MINMAX);
normalize(glcm_45,glcm_45,0,1.0,NORM_MINMAX);
normalize(glcm_90,glcm_90,0,1.0,NORM_MINMAX);
normalize(glcm_135,glcm_135,0,1.0,NORM_MINMAX);

運行效果如下：圖一

斑馬線的灰度共生矩陣

提取圖像對比度特征

基于共生矩陣實現紋理特征計算，這里我用了比較簡單的對比度計算來實現局部紋理特征提取、代碼實現如下(局部窗口大小8x8、灰度級別256/32 =8個級別)

intstep=256;
Matimage=imread("D:/images/ftexture.jpg");
//Matimage=imread("D:/images/ban_texture.jpg");
Matgray;
cvtColor(image,gray,COLOR_BGR2GRAY);
imshow("gray",gray);
intheight=gray.rows;
intwidth=gray.cols;

Matglcm_0=Mat::zeros(Size(width,height),CV_32FC1);
Rectroi;
roi.x=0;
roi.y=0;
roi.width=8;
roi.height=8;

for(introw=4;row(row,col)=pv;
}
}
normalize(glcm_0,glcm_0,0,1.0,NORM_MINMAX);
imshow("glcm",glcm_0);
waitKey(0);

方法計算灰度矩陣的代碼如下:

Matm=Mat::zeros(Size(8,8),CV_32FC1);
for(introw=0;row(row,col)/32;
intj=im.at(row+1,col+1)/32;
m.at(i,j)++;
}
}
floatcontrast=0;
for(inti=0;i(i,j)*(i-j)*(i-j);
}
}
returncontrast;

計算135°的灰度共生矩陣，基于計算局部對比度提取紋理運行結果如下：

測試一（左側是輸入圖像、右側135的對比度）