graycoprops

灰度共现矩阵的性质

在页面中全部折叠

语法

应用灰度共生矩阵建立统计= graycoprops(属性)

描述

例子

统计数据= graycoprops (glcm，属性）中指定的统计信息属性从灰度共现矩阵glcm．

graycoprops归一化灰度共现矩阵(GLCM)，使其各元素的和等于1．每个元素(r，c)表示具有定义的具有灰度值的空间关系的像素对的联合概率r而且c的形象。graycoprops采用归一化GLCM进行计算属性．

例子

全部折叠

从灰度共现矩阵计算统计量

打开生活的脚本

创建简单的GLCM示例。

GLCM = [0 1 2 3;1 1 2 3;1 0 2 0;0 0 0 3]

glcm =4×40 1 2 3 1 1 2 3 1 0 2 0 0 0 0 3

计算GLCM的统计属性。

应用灰度共生矩阵建立统计= graycoprops ()

统计=结构体字段:对比:2.8947相关性:0.0783能量:0.1191同质性:0.5658

计算多个glcm的对比度和同质性

打开生活的脚本

将灰度图像读入工作空间。

我= imread (“circuit.tif”）;

从图像创建两个灰度共生矩阵(GLCM)，指定不同的偏移量。

glcm = graycomatrix(我“抵消”[2 0; 0 2])

应用灰度共生矩阵建立glcm =(:,: 1) =列1到6 14205 2107 126 0 0 0 0 191 3579 7341 1505 2242 14052 3555 400 0 37 0 0 683 1446 7184 1368 0 0 116 1502 10256 1124 0 0 0 2 1153 1435 0 0 0 0 0 0 0 0 0 0 0 0列7到8 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0应用灰度共生矩阵建立0(:,:2)=列1到6 13938 2615 204 4 0 0 0 145 3184 7371 1650 2406 14062 3311 630 23 133 0 2 0 0 0 116 371 1621 6905 1706 1477 9974 1173 0 0 0 1 1161 1417 0 0 0 0 0 0 0 0 0 0 0 0列7到8 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

从glcm中获取图像对比度和同质性的统计数据。

应用灰度共生矩阵建立统计= graycoprops (, {“对比”，“同质性”})

统计=结构体字段:对比:[0.3420 0.3567]同质性:[0.8567 0.8513]

输入参数

全部折叠

`glcm`- - - - - -灰度共生矩阵
非负整数的矩阵|非负整数数组

灰度共现矩阵，指定为以下之一。您可以使用graycomatrix函数来创建GLCM。

一个米——- - - - - -n一个灰度共现矩阵的非负整数矩阵
一个米——- - - - - -n——- - - - - -p的非负整数数组p有效的灰度共现矩阵。

数据类型:单|双|int8|int16|int32|int64|uint8|uint16|uint32|uint64|逻辑

`属性`- - - - - -统计特性
`“所有”`(默认)|以逗号分隔|单元阵列|空格分隔的字符串标量或字符向量

从GLCM派生的图像的统计属性，指定为逗号分隔的列表字符串标量或字符向量、空格分隔的字符串标量或字符向量、字符串标量或字符向量的单元格数组或“所有”．您可以指定该表中列出的任何属性名称。

财产	描述	公式
`“对比”`	返回一个像素和相邻像素在整个图像上的强度对比的度量。 Range = [0 (size(GLCM,1)-1)^2] 对于常数图像，对比度为0。对比属性也称为方差而且惯性．	${\sum_{我， j} \| 我 - j \|}^{2} p （我， j ）$
`“相关”`	返回整个图像中一个像素与其相邻像素之间相关性的度量。 `范围= [-1 1]` 对于完全正相关或负相关的图像，相关性为1或-1。相关性是`南`对于常数像。	$\sum_{我， j} \frac{（我 - μ 我）（ j - μ j ） p （我， j ）}{σ_{我} σ_{j}}$
`“能源”`	返回GLCM中元素的平方和。范围= [0 1] 能量是`1`对于常数像。能量属性也被称为均匀性，均匀的能量,角二阶矩．	$\sum_{我， j} p {（我， j ）}^{2}$
`“同质性”`	返回一个值，该值度量GLCM中元素分布与GLCM对角线的密切程度。范围= [0 1] 对角线GLCM的同质性为1。	$\sum_{我， j} \frac{p （我， j ）}{1 + \| 我 - j \|}$