1.圖像共生矩陣的用途

紋理特征提取的一種有效方法是以灰度級的空間相關矩陣及共生矩陣為基礎的。因為圖像中相距（△x，△y）的兩個灰度像素同時出現聯合頻率分布可以用灰度共生矩陣來表示。若圖像的灰度定為N級，那么共生矩陣為N*N矩陣，可以表示為M(△x,△y)(g1,g2)。其中，位于(g1,g2)的元素M值表示一個為g1,而另一個灰度為g2的兩個距離為(△x,△y)的像素對出現的次數。 對粗紋理的區域，其灰度共生矩陣中的M較集中于主對角線附近。因為對于粗文理，像素對趨于具有相同的灰度。而對于細紋里的區域，其灰度共生矩陣中的M值則分散在各處。

2.具體理解圖像共生矩陣

定義：對圖像上保持某距離的兩個像素分別具有某灰度狀況進行統計得到的。 取圖像（N*N）中任意一點(x,y)以及偏離它的另一點(x+△x,y+△y)，記下該點對灰度值為(g1,g2)。令點(x,y)在整個畫面上移動，則會得到各種(g1,g2)值。設灰度值的級數為L,則(g1,g2)的組合共有L*L種。對于整個畫面，統計出每一種(g1,g2)值出現的次數，然后排列成一個方陣，再用(g1,g2)出現的總次數求得歸一化概率P(g1,g2)，這樣的方陣就是我們常說的灰度共生矩陣。距離差分值(△x,△y)去不同的數值組合，可以得到不同情況下的聯合概率矩陣。(△x,△y)的取值要根據紋理周期分布的特性來選擇。對于較細的紋理，選取(1,0)、(1,1)、(2,0)等較小的差分值。 當采用(1,0)時，像素對是水平的，即0度掃描；當采用(0,1)時，像素對是垂直的，即90度掃描；當采用(1,1)時，像素對是右對角線的，即45度掃描。當采用(-1,-1)時，像素是做對角線的，即135度掃描。 這樣，通過計算兩個位置的像素的聯合概率密度，就將(x,y)空間坐標轉化為“灰度對”(g1,g2)的描述，形成灰度共生矩陣。共生矩陣用兩個位置的像素的兩盒概率密度來定義，他不僅反映亮度的分布特性，也反映具有相同亮度或接近亮度的像素之間的位置分布特性，是關于圖像亮度變化的二階統計特征。

3.意義

一幅圖像的灰度共生矩陣能反映出圖像灰度關于方向、相鄰間隔、變化幅度的綜合信息，是分析圖像的局部模式和他們排列規則的基礎。

總結

以上是生活随笔為你收集整理的图像中的灰度共生矩阵的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。