glcm提取紋理特徵還是很厲害的！尤其是和lbp相結合來使用
glcm中有很多屬性可以選擇，大家可以選擇適合自己資料集的最優的屬性組合。
第一步：獲取影象的灰度圖
"files[i]為輸入的影象路徑"
"as_grey = true表示轉換為灰度圖"
"返回影象陣列，其中每個值的型別為float64，範圍為[0,1],分布不均勻"
第二步：影象有可能相同畫素值的點很多，為了增加影象的對比度和清晰度，需要直方圖均衡化。
"image 為輸入的影象陣列"
"nbins = 256表示畫素值的柱數，可使得圖形陣列中的數值可在[0,1]之間有256個間隙可選"
"返回影象陣列，其中每個值的型別為float64，範圍為[0,1],分布均勻"
第三步：float轉8位無符號整數，可表示的範圍就是[0,255]
"輸入：float型別的影象陣列，範圍為[0,1]"
"輸出：影象陣列，範圍[0,255]"
第四步：轉化到[1,8]
"window為輸入的影象陣列，範圍[0,255]"
"bins = np.arange(0, 256, 32)為一維單調陣列"
"返回值：x在bins中的位置"
第五步：轉化到[0,7]即8位無符號整數
灰度共生矩陣 GLCM
灰度共生矩陣法 glcm,gray level co occurrence matrix 就是通過計算灰度影象得到它的共生矩陣，然後透過計算該共生矩陣得到矩陣的部分特徵值，來分別代表影象的某些紋理特徵 紋理的定義仍是難點 灰度共生矩陣能反映影象灰度關於方向 相鄰間隔 變化幅度等綜合資訊，它是分析影象...
灰度共生 共現 矩陣的求法
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...
基於opencv的灰度梯度共生矩陣
來自於gitee，直接上源 created by lihao on 2020 4 15.ifndef detect socks ggcm h define detect socks ggcm h include include include using namespace std using na...