前段時間在寫關於影象的作業時，出現了灰度共生矩陣的求法問題。
於是就上網查資料發現不是很理想，翻書查閱也是不同的書籍出現的解法也是不一樣，上別的課時老師也給我們講了下，但是發現與我所看到的資料上講的不一樣。
經總結思考後算是明白了，現在就班門弄斧分享下自己的心得。
至於灰度共生矩陣的用途，我只知道它在檢測紋理方面發揮著作用。不過即使不明白也沒問題，在此呢，我們只是學習下如何求灰度共生矩陣。(後續可能會繼續修改的)
開始進入正題：
表一 畫素的灰度矩陣 0
1201
2120
1202
0120
1012
0121
2012
0201
201為了簡單起見就以灰度級為3的為例。
圖 二常用的空間位置關係有，水平，垂直，正45度和負45度。
可能有人要問了，水平是0度還是180度呢？
首先我們需要明白的是，灰度共生矩陣描述的是每個畫素點與自身有一定距離和方向的另外的乙個畫素之間的關係(相同或相異)。 現在就可以回答上面的的問題了，剛才我們提到了「方向」，這裡的方向就代表了向右查詢還是向左查詢，即0度還是180度。參見圖二。
現在我們就具體計算下0度方向、距離為1 的共生矩陣。計算時我們可以先做如下工作，
第一， 寫成如下格式。
第二，從表一第一行開始，先看第乙個元素，零度方向距離為1的元素為「1」，即(0,1)組合則在圖三的0行1列出記上一筆；再看錶一的第二的元素為1，則零度方向距離為1的元素為「2」，即(1，2)組合，同理記上一筆。一直到這一行的倒數第二個元素為止，因為最後乙個元素右邊沒有元素了。接著再從第二行開始，直至最後一行。
最終結果為
最終結果 0
10000
101000
就先寫這些吧！
OpenCV22（灰度共現矩陣 灰度共生矩陣）
理解它的最好辦法，就是我們來一起算一次。灰度共現 共生矩陣，其上元素，是灰度影象中某種形狀的畫素對，在全圖中出現的次數 或者是概率 不理解？沒關係，一會就明白了 可以用作影象的一種特徵，藉以區分不同的影象。灰度共現矩陣是方陣，矩陣的行數是影象灰度的等級。不理解？沒關係 ok，開始做題。假設乙個影象的...
灰度共生矩陣
灰度共生矩陣，指的是一種通過研究灰度的空間相關特性來描述紋理的常用方法。1973年haralick等人提出了用灰度共生矩陣來描述紋理特徵。由於紋理是由灰度分布在空間位置上反覆出現而形成的，因而在影象空間中相隔某距離的兩畫素之間會存在一定的灰度關係，即影象中灰度的空間相關特性。灰度 假設是0到255 ...
灰度共生矩陣理解
參考 首先是條件 距離和角度 或者x方向距離，y方向距離 假設原圖灰度級為l。原圖大小不重要 灰度共生矩陣是乙個 lxl 大小的概率統計矩陣，每個點的值為滿足位置條件的 灰度對 概率大小 最後會歸一化 歸一化前，設這個矩陣中座標為 p,q 的點處值為num，則表示原圖中滿足條件的灰度對 p,q 有n...