灰度共生矩阵法：图像纹理特征提取利器

灰度共生矩阵法是一种图像处理方法，用于计算图像的纹理特征。其公式如下：/n/n1. 灰度共生矩阵（GLCM）：/n/n$$//P(i,j,/theta)=/frac{1}{N}/sum_{x=1}^{n}/sum_{y=1}^{m}/delta(g(x,y)-i)/delta(g(x+/Delta x,y+/Delta y)-j)//$$ /n/n其中，$P(i,j,/theta)$表示在方向$/theta$上，相邻像素点灰度值为$i$和$j$的概率；$g(x,y)$表示坐标为$(x,y)$的像素点的灰度值；$/Delta x$和$/Delta y$表示在方向$/theta$上相邻像素点的坐标差；$N$表示像素点总数。/n/n2. 灰度共生矩阵的统计特征：/n/n- 能量（Energy）：/n/n$$//E=/sum_{i=1}^{N}/sum_{j=1}^{N}P(i,j,/theta)^2//$$ /n/n- 对比度（Contrast）：/n/n$$//C=/sum_{i=1}^{N}/sum_{j=1}^{N}(i-j)^2P(i,j,/theta)//$$ /n/n- 相关度（Correlation）：/n/n$$//begin{aligned}///mu_i&=/sum_{j=1}^{N}iP(i,j,/theta)/////mu_j&=/sum_{i=1}^{N}jP(i,j,/theta)/////sigma_i^2&=/sum_{j=1}^{N}(i-/mu_i)^2P(i,j,/theta)/////sigma_j^2&=/sum_{i=1}^{N}(j-/mu_j)^2P(i,j,/theta)/////sigma_{ij}&=/sum_{i=1}^{N}/sum_{j=1}^{N}(i-/mu_i)(j-/mu_j)P(i,j,/theta)/////end{aligned}//$$ /n/n$$//Corr=/frac{/sum_{i=1}^{N}/sum_{j=1}^{N}(i-/mu_i)(j-/mu_j)P(i,j,/theta)}{/sqrt{/sum_{i=1}^{N}/sum_{j=1}^{N}(i-/mu_i)^2P(i,j,/theta)/sum_{i=1}^{N}/sum_{j=1}^{N}(j-/mu_j)^2P(i,j,/theta)}}//$$ /n/n- 熵（Entropy）：/n/n$$//H=-/sum_{i=1}^{N}/sum_{j=1}^{N}P(i,j,/theta)/log_2P(i,j,/theta)//$$ /n/n- ASM（Angular Second Moment）：/n/n$$//ASM=/sum_{i=1}^{N}/sum_{j=1}^{N}P(i,j,/theta)^2//$$ /n/n- IDM（Inverse Difference Moment）：/n/n$$//IDM=/sum_{i=1}^{N}/sum_{j=1}^{N}/frac{1}{1+(i-j)^2}P(i,j,/theta)//$$ /n/n其中，$N$表示灰度级数目。