glcm存储在i × j × n的矩阵中，其中n为计算的glcm数量，通常是由于算法中使用的不同方向和位移。通常i和j的值等于GLCM计算函数graycomatrix()的'NumLevels'参数。注意matlab量化值属于集合{1，…，NumLevels} and not from {0,...,(NumLevels-1)} as provided in some references
//www.tianjin-qmedu.com/help/images/ref/graycomatrix.html

虽然在Matlab图像处理工具箱中有一个函数graycoprops()，它计算对比度、相关性、能量和同质性四个参数。Haralick的论文提出了更多的参数，也在这里进行了计算。该代码没有向量化，因此不是一个有效的实现，但使用该代码可以很容易地基于GLCM添加新特性。该代码负责三维glcms(单个3D数组中的多个glcms)

如果你发现得到的值与你期望的不同，或者如果你认为有一个不同的公式，需要使用从这些代码中使用的公式，请让我知道。我有几个问题列在链接中//www.tianjin-qmedu.com/matlabcentral/newsreader/view_thread/239608

我计划稍后提交代码的向量化版本，并提供基于上述链接和此初始代码的回复的更新。

%计算的特征
%自相关性:[2](out.autoc)
%对比:matlab/[1,2] (out.contr)
%相关性:matlab (out.corrm)
%相关性:[1,2](out.corrp)
%集群突出度:[2](out.cprom)
%簇阴影:[2](out.cshad)
%不相似度:[2](out. disi)
% Energy: matlab / [1,2] (out. Energy)
%熵:[2](out.entro)
同质性:matlab (out.homom)
%同质性:[2](out.homop)
%最大概率:[2](out.maxpr)
%平方和:方差[1](out.sosvh)
%和平均[1](out.savgh)
%总和方差[1](out.svarh)
%和熵[1](out.senth)
%差异方差[1](out.dvarh)
%差熵[1](out.denth)
关联1[1]的%信息度量(out.inf1h)
%相关2的信息度量[1](out.inf2h)
%逆差(INV)是homom [3] (out.homom)
逆差归一化(INN) [3] (out.indnc)
逆差矩归一化[3](out.idmnc)

Haralick在计算glcm时使用'Symmetric' = true。在我使用的Matlab版本中没有对称标志，因此我添加对角线对，以获得Haralick glcm。这里假设对角线相反的方向在矩阵中依次成对。如果上述假设对于输入的glcm是正确的，那么将标志'pairs'设置为1将通过将'Symmetric'设置为true来计算最终的glcm。方法计算glcm
Matlab版本的“对称”标志，你可以设置标志“对”为0

%的引用:
1.张晓明，张晓明，图象分类的纹理特征，计算机工程学报，vol. 32, no. 1。1973年11月6日
2.徐志明，基于灰度共现矩阵的SAR海冰图像纹理分析，地球科学与工程学报，vol. 37, no. 4。1999年3月2日。
3.D . a .克劳西，共现纹理统计的分析
函数的灰度量化，可以。J.遥感，第28卷第3期。第1页，45-62,2002
4.http://murphylab.web.cmu.edu/publications/boland/boland_node26.html

%的例子:
% Usage类似于graycoprops()，但除了GLCM作为输入外，还需要额外的参数“对”

>I = imread('circuit.tif');
>GLCM2 = graycomatrix(I，'Offset'，[2 0;0 2]);
>stats = GLCM_features1(GLCM2,0)

输出是一个包含从不同glcm计算出的所有特征的结构