提取圖像紋理特征——灰共生矩陣

1、摘 要圖像的特征提取是圖像的識別和分類、基于內(nèi)容的圖像檢索、圖像數(shù)據(jù)挖掘等研究內(nèi)容的基礎(chǔ)性工作，其中圖像的紋理特征對描述圖像內(nèi)容具有重要意義，紋理特征提取己成為目前圖像領(lǐng)域研究的熱點。文中深入研究了基于灰度共生矩陣(GLCM)的紋理特征提取方法，給出了基于Matlab的簡便實現(xiàn)代碼，分析了共生矩陣各個構(gòu)造參數(shù)對構(gòu)造共生矩陣的影響。分析結(jié)果對優(yōu)化灰度共生矩陣的構(gòu)造、實現(xiàn)基于灰度共生矩陣( GLCM)的特定圖像的紋理特征提取等都具有重要參考意義。本文分析了圖像紋理的特征提取灰度共生矩陣，是物體表而最本質(zhì)的屬性。紋理特征提取是作為紋理分析的首要任務，紋理提出了用灰度共生矩陣的方法提取紋理特征，通過M

2、A丁LAB仿真實現(xiàn)，結(jié)果由灰度共生矩陣產(chǎn)生的四個紋理特征能具有較好的鑒別能力。關(guān)鍵詞: 特征提??；灰度共生矩陣；紋理特征；Matlab目 錄1 設(shè)計目的12 相關(guān)知識12.1 MATLAB簡介12.2 MATLAB應用12.3 MATLAB特點23 設(shè)計方案33.1 二階距(能量)33.2 慣性矩33.3 相關(guān)43.4 熵44 程序設(shè)計45 仿真結(jié)果與分析9 5.1 仿真圖95.2 結(jié)果分析146結(jié)論15參考文獻16提取圖像紋理特征灰度共生矩陣1 設(shè)計目的由于紋理是由灰度分布在空間位置上反復出現(xiàn)而形成的，因而在圖像空間中相隔某距離的兩象素之間會存在一定的灰度關(guān)系，即圖像中灰度的空間相關(guān)特性。灰

3、度共生矩陣就是一種通過研究灰度的空間相關(guān)特性來描述紋理的常用方法。直覺上來說，如果圖像的是由具有相似灰度值的像素塊構(gòu)成，則灰度共生矩陣的對角元素會有比較大的值；如果圖像像素灰度值在局部有變化，那么偏離對角線的元素會有比較大的值?；叶戎狈綀D是對圖像上單個象素具有某個灰度進行統(tǒng)計的結(jié)果，而灰度共生矩陣是對圖像上保持某距離的兩象素分別具有某灰度的狀況進行統(tǒng)計得到的5。2 相關(guān)知識2.1 MATLAB簡介MATLAB是矩陣實驗室（Matrix Laboratory）的簡稱，和Mathematica、Maple并稱為三大數(shù)學軟件。它在數(shù)學類科技應用軟件中在數(shù)值計算方面首屈一指。MATLAB可以進行矩陣運

4、算、繪制函數(shù)和數(shù)據(jù)、實現(xiàn)算法、創(chuàng)建用戶界面、連接其他編程語言的程序等，主要應用于工程計算、控制設(shè)計、信號處理與通訊、圖像處理、信號檢測、金融建模設(shè)計與分析等領(lǐng)域7。2.2 MATLAB應用MATLAB 產(chǎn)品族可以用來進行以下各種工作： 數(shù)值分析 數(shù)值和符號計算 工程與科學繪圖 控制系統(tǒng)的設(shè)計與仿真 數(shù)字圖像處理 技術(shù) 數(shù)字信號處理 技術(shù) 通訊系統(tǒng)設(shè)計與仿真 財務與金融工程 MATLAB 的應用范圍非常廣，包括信號和圖像處理、通訊、控制系統(tǒng)設(shè)計、測試和測量、財務建模和分析以及計算生物學等眾多應用領(lǐng)域。附加的工具箱（單獨提供的專用 MATLAB 函數(shù)集）擴展了 MATLAB 環(huán)境，以解決這些應用領(lǐng)

5、域內(nèi)特定類型的問題【2】。2.3 MATLAB特點此高級語言可用于技術(shù)計算 此開發(fā)環(huán)境可對代碼、文件和數(shù)據(jù)進行管理 交互式工具可以按迭代的方式探查、設(shè)計及求解問題 數(shù)學函數(shù)可用于線性代數(shù)、統(tǒng)計、傅立葉分析、篩選、優(yōu)化以及數(shù)值積分等 二維和三維圖形函數(shù)可用于可視化數(shù)據(jù) 各種工具可用于構(gòu)建自定義的圖形用戶界面 各種函數(shù)可將基于MATLAB的算法與外部應用程序和語言（如 C、C+、Fortran、Java、COM 以及 Microsoft Excel）集成 不支持大寫輸入，內(nèi)核僅僅支持小寫32.4 MATLAB的優(yōu)勢 MATLAB由一系列工具組成。這些工具方便用戶使用MATLAB的函數(shù)和文件，其中許

6、多工具采的的是圖形用戶界面。包括MATLAB桌面和命令窗口、歷史命令窗口、編輯器和調(diào)試器、路徑搜索和用于用戶瀏覽幫助、工作空間、文件的瀏覽器。隨著MATLAB的商業(yè)化以及軟件本身的不斷升級，MATLAB的用戶界面也越來越精致，更加接近Windows的標準界面，人機交互性更強，操作更簡單。而且新版本的MATLAB提供了完整的聯(lián)機查詢、幫助系統(tǒng)，極大的方便了用戶的使用。簡單的編程環(huán)境提供了比較完備的調(diào)試系統(tǒng)，程序不必經(jīng)過編譯就可以直接運行，而且能夠及時地報告出現(xiàn)的錯誤及進行出錯原因分析。 Matlab一個高級的矩陣/陣列語言，它包含控制語句、函數(shù)、數(shù)據(jù)結(jié)構(gòu)、輸入和輸出和面向?qū)ο缶幊烫攸c。用戶可以在

7、命令窗口中將輸入語句與執(zhí)行命令同步，也可以先編寫好一個較大的復雜的應用程序（M文件）后再一起運行。新版本的MATLAB語言是基于最為流行的C語言基礎(chǔ)上的，因此語法特征與C語言極為相似，而且更加簡單，更加符合科技人員對數(shù)學表達式的書寫格式。使之更利于非計算機專業(yè)的科技人員使用。而且這種語言可移植性好、可拓展性極強，這也是MATLAB能夠深入到科學研究及工程計算各個領(lǐng)域的重要原因【1】。3 設(shè)計方案 灰度共生矩陣的特征參數(shù)：灰度共生矩陣反映的是圖像灰度關(guān)于方向、相鄰間隔、變化幅度的綜合信息。通過灰度共生矩陣可以分析圖像的局部模式和排列規(guī)則等，為了能更直觀地以灰度共生矩陣描述紋理狀況，一般不直接應用

8、得到的共生矩陣，而是在其基礎(chǔ)上獲取二次統(tǒng)計量。為了分析方便，先將各個元素dP (i,j)除以各元素之和 S，得到各元素都小于 1 的歸一化值dP ( i.j ) ，由此得到歸一化共生矩陣。Haralick 等人定義了 14 個用于紋理分析的灰度共生矩陣特征參數(shù)。Ulaby等人研究發(fā)現(xiàn):在基GLCM 的14個紋理特征中,僅有4個特征是不相關(guān)的,這 4 個特征既便于計算又能給出較高的分類精度，一般采用下面四個最常用的特征來提取圖像的紋理特征6。3.1 二階距(能量) 二階距是灰度共生矩陣元素值得平方和，所以也稱為能量，反映了圖像灰度分布均勻程度和紋理粗細程度。如果灰度共生矩陣的所有值均相等，則 f

9、1 小。如果其中一些值大而其他值小，則 f1 大。當 f1 大時，紋理粗，能量大；反之，f1 小時，紋理細，能量小4。3.2 慣性矩 慣性矩是灰度共生矩陣的二次統(tǒng)計量，與其他統(tǒng)計量如逆矩陣、方差、熵等相比，慣性矩將圖像灰度的空間分布差異拉開，更能分辨出灰度空間分布的復雜程度。3.3 相關(guān)相關(guān)是用來衡量灰度共生矩陣的元素在行或列方向上的相似程度。當矩陣元素值均勻相等時，相關(guān)值就大；相反，如果矩陣像素值相差很大則相關(guān)值小。如果圖像中有水平方向紋理，則水平方向矩陣的相關(guān)值大于其余矩陣的相關(guān)值4。3.4 熵熵是圖像具有信息量的度量，紋理信息也屬于圖像的信息，是一個隨機性的度量，當灰度共生矩陣中所有元素

10、有最大的隨機性、灰度共生矩陣中所有值幾乎相等時，共生矩陣中元素分散分布時，熵較大4。它表示圖像中紋理的非均勻程度或復雜程度。若圖像沒有任何紋理，則灰度共生矩陣幾乎為零陣。它反映圖像中紋理的復雜程度或非均勻度。若紋理復雜，熵值大；反之，若圖像中灰度均勻，共生矩陣中元素大小差異大，熵值小8。4 程序設(shè)計程序代碼如下： Gray = imread('d:1.jpg');M,N,O = size(Gray);M = 256; N = 256;% Gray = double(0.3*Image(:,:,1)+0.59*Image(:,:,2)+0.11*Image(:,:,3);for

11、i = 1:Mfor j = 1:Nfor n = 1:256/16if (n-1)*16<=Gray(i,j)&Gray(i,j)<=(n-1)*16+15 Gray(i,j) = n-1; end end endend P = zeros(16,16,4); for m = 1:16 for n = 1:16for i = 1:Mfor j = 1:Nif j<N&Gray(i,j)=m-1&Gray(i,j+1)=n-1P(m,n,1) = P(m,n,1)+1;P(n,m,1) = P(m,n,1);endif i>1&j<

12、N&Gray(i,j)=m-1&Gray(i-1,j+1)=n-1P(m,n,2) = P(m,n,2)+1;P(n,m,2) = P(m,n,2);endif i<M&Gray(i,j)=m-1&Gray(i+1,j)=n-1P(m,n,3) = P(m,n,3)+1;P(n,m,3) = P(m,n,3);endif i<M&j<N&Gray(i,j)=m-1&Gray(i+1,j+1)=n-1P(m,n,4) = P(m,n,4)+1;P(n,m,4) = P(m,n,4); end end end if m=n

13、P(m,n,:) = P(m,n,:)*2; end end enddisp('0度時的灰度共生矩陣：');disp(P(:,:,1);disp('45度時的灰度共生矩陣：');disp(P(:,:,2);disp('90度時的灰度共生矩陣：');disp(P(:,:,3); disp('135度時的灰度共生矩陣：');disp(P(:,:,4);for n = 1:4P(:,:,n) = P(:,:,n)/sum(sum(P(:,:,n);endH = zeros(1,4);I = H;Ux = H; Uy = H;deltaX

14、= H; deltaY = H;C =H;for n = 1:4E(n) = sum(sum(P(:,:,n).2); %能量for i = 1:16for j = 1:16if P(i,j,n)=0H(n) = -P(i,j,n)*log(P(i,j,n)+H(n); %熵 end I(n) = (i-j)2*P(i,j,n)+I(n); %慣性矩 Ux(n) = i*P(i,j,n)+Ux(n); %相關(guān)性中x Uy(n) = j*P(i,j,n)+Uy(n); %相關(guān)性中y end end end for n = 1:4 for i = 1:16 for j = 1:16 deltaX(

15、n) = (i-Ux(n)2*P(i,j,n)+deltaX(n); %相關(guān)性中x deltaY(n) = (j-Uy(n)2*P(i,j,n)+deltaY(n); %相關(guān)性中y C(n) = i*j*P(i,j,n)+C(n); end end C(n) = (C(n)-Ux(n)*Uy(n)/deltaX(n)/deltaY(n); %相關(guān)性 end a1 = mean(E) b1 = sqrt(cov(E) a2 = mean(H) b2 = sqrt(cov(H) a3 = mean(I) b3 = sqrt(cov(I) a4 = mean(C) b4 = sqrt(cov(C)

16、sprintf('0,45,90,135方向上的能量依次為： %f, %f, %f, %f',E(1),E(2),E(3),E(4) % 輸出數(shù)據(jù); sprintf('0,45,90,135方向上的熵依次為： %f, %f, %f, %f',H(1),H(2),H(3),H(4) % 輸出數(shù)據(jù); sprintf('0,45,90,135方向上的慣性矩依次為： %f, %f, %f, %f',I(1),I(2),I(3),I(4) % 輸出數(shù)據(jù); sprintf('0,45,90,135方向上的相關(guān)性依次為： %f, %f, %f, %f&

17、#39;,C(1),C(2),C(3),C(4) % 輸出數(shù)據(jù); 95 仿真結(jié)果與分析5.1 仿真圖輸入圖像“1.jpg”如圖4.1所示：圖 5.1原圖像輸出結(jié)果：圖5.2 ，圖5.3 ，圖5.4 ，圖5.5 ，圖5.6 ，圖5.7，圖5.8 ，圖5.9得出該圖像四個不同方向的灰度共生矩陣，從而反映了圖像灰度分布關(guān)于方向，變化幅度和局部領(lǐng)域的綜合信息。圖5.2 0度共生矩陣圖5.3 0度共生矩陣圖5.4 45度共生矩陣圖5.5 45度共生矩陣圖5.6 90度共生矩陣圖5.7 90度共生矩陣圖5.8 135度共生矩陣圖5.9 135度共生矩陣圖5.10 各類參數(shù)值5.2 結(jié)果分析通過數(shù)字圖像的采

18、集，將圖像的數(shù)值信息輸入進預先編設(shè)好的程序，進行灰度圖像的變換，將灰度變換后的圖像輸入給灰度共生矩陣的處理程序，從而得到輸出的四個不同的灰度矩陣，獲得圖像表面的四個不同矩陣的特征量，方向分別取0度、45度、90度、135度。得到各個方向的能量、熵、慣性矩和相關(guān)性的值，從而得到圖像變化幅度和局部領(lǐng)域的綜合信息。 6結(jié)論 由上述分析可知計算LLCM時要考慮四個變量，計算窗口大小N，圖像灰度級L，方向e和距離d(1)對于計算窗口N的選取，不宜過大或過小，過大將導致計算和存儲量大，但過小又導致不能包含完整的紋理信息。一般而言，當圖像大小確定后，計算窗口就隨之確定，除非對圖像分塊處理或者確定圖像的ROI

19、 (Region Of Interest)區(qū)域后再提取CLCMo(2)對于灰度級L的選取，灰度級決定了LLCM的計算規(guī)模，降低灰度級可以提高計算速度和減少存儲空間需求，且適當降低灰度級還可以減少噪聲對圖像的影響，但過小的灰度級會破壞有用紋理的成分。(3)對于距離d的選擇，共生矩陣在精細紋理中隨距離而快速變化，而在粗糙紋理中隨距離則變化緩慢。一般而言，對于平滑紋理用較大的距離，對于粗糙紋理用較小的距離會取得較好的效果。(4)對于方向e的選擇，一般有四種取值0,40,90,130，通過不同e可以考察不同的紋理，不同e生成的共生矩陣中包含不同的紋理信息，一般而言，在考慮方向時，往往是分別計算四個方向灰度共生矩陣所確定的紋理特征值，然后以各方向特征值的均值作為最終紋理分量?；诨叶裙采仃嚨募y理特征提取是分析圖像紋理的有利工具，文中對灰度共生矩陣紋理特征提取的研究進展做了分類，給出了基于Matlab的簡便實現(xiàn)代碼，分析了共生矩陣各個構(gòu)造參數(shù)對構(gòu)造共生矩陣的影響。分析結(jié)果對減少灰度共生矩陣的計算量、合理選取計算共生矩陣時的構(gòu)造參數(shù)、優(yōu)化基于灰度共生矩陣的圖像紋理特征