数字图像处理及应用（MATLAB)第4章.ppt

　　　这样，两个像素灰度级同时发生的概率就将（x，y）的空间坐标转换为（i，j）的“灰度对”的描述。灰度共生矩阵可以理解为像素对或灰度级对的直方图，这里所说的像素对和灰度级对是有特定含义的，一是像素对的距离不变，二是像素灰度级不变。 两个像素间的位置关系 常用的四种方向上的位置关系 可以看出，灰度共生矩阵反映了图像灰度关于方向、相邻间隔、变化幅度的综合信息，它确实可以作为分析图像基元和排列结构的信息。目前一幅图像的灰度级数目一般是256，这样计算出来的灰度共生矩阵过大，为了解决这个问题，常常在求灰度共生矩阵之前，将图像变换为16级的灰度图像。 　例 针对如图所示的纹理图像A和B，求出常用的4个方向位置关系下的灰度共生矩阵，并利用MATLAB编程予以实现。 纹理图像 　　（1）0o方向（水平方向） 位置关系为水平方向，即Δx=0。现令|Δy|=1，则。若统计Pδ(0,0)值，就是指位置关系分别为δ=(0,1)和δ=(0,-1)的两像素灰度都为0出现的次数之和。δ=(0,1)表示了某像素与其右像素的位置关系；δ=(0,-1)表示了某像素与其左像素的位置关系，则对于纹理A，Pδ(0,0)=8+8=16；同理可求出Pδ矩阵中其他的值，这样就可得到位置关系为δ=(0,±1)的纹理A和B的灰度共生矩阵为： 　　　（2）90°方向（垂直方向） （3）45°方向 　　　（4）135°方向 %主程序MATLAB源代码如下：clcclear allIN1=[0 0 1 1 2 2 3 3;0 0 1 1 2 2 3 3; 0 0 1 1 2 2 3 3;0 0 1 1 2 2 3 3; ... 0 0 1 1 2 2 3 3;0 0 1 1 2 2 3 3;0 0 1 1 2 2 3 3;0 0 1 1 2 2 3 3;] IN2=[0 1 2 3 0 1 2 3;1 2 3 0 1 2 3 0;2 3 0 1 2 3 0 1;3 0 1 2 3 0 1 2; ... 0 1 2 3 0 1 2 3;1 2 3 0 1 2 3 0;2 3 0 1 2 3 0 1;3 0 1 2 3 0 1 2] gray=8; %赋给gray初值[p01,p901,p451,p1351] = comatrix(IN1,4)[p02,p902,p452,p1352] = comatrix(IN2,4)%灰度共生矩阵子函数function [p0,p90,p45,p135] = comatrix(IN,gray)g=gray;[R,C]=size(IN);p0=zeros(g); p90=zeros(g); p45=zeros(g); p135=zeros(g); for M=1:R%计算0度方向共生矩阵  for N=1:(C-1) p0(IN(M,N)+1,IN(M,N+1)+1)= p0(IN(M,N)+1,IN(M,N+1)+1)+1; p0(IN(M,N+1)+1,IN(M,N)+1)= p0(IN(M,N+1)+1,IN(M,N)+1)+1; endendfor M=1:(R-1) for N=1:C p90(IN(M,N)+1,IN(M+1,N)+1)= p90(IN(M,N)+1,IN(M+1,N)+1)+1; p90(IN(M+1,N)+1,IN(M,N)+1)= p90(IN(M+1,N)+1,IN(M,N)+1)+1; endendfor M=1:(R-1)%计算45度方向共生矩阵  for N=2:C p45(IN(M,N)+1,IN(M+1,N-1)+1)= p45(IN(M,N)+1,IN(M+1,N-1)+1)+1; p45(IN(M+1,N-1)+1,IN(M,N)+1)= p45(IN(M+1,N-1)+1,IN(M,N)+1)+1; endend %计算135度方向共生矩阵 for M=1:(R-1) for N=1:(C-1) p135(IN(M,N)+1,IN(M+1,N+1)+1)=p135(IN(M,N)+1,IN(M+1,N+1)+1)+1; p135(IN(M+1,N+1)+1,IN(M,N)+1)=p135(IN(M+1,N+1)+1,IN(M,N)+1)+1; endend 　2. 矩阵特点 　（1）归一化 　　为了分析方便，灰度共生矩阵元素常用概率值来表示，即将各元素 除以各元素之和S