灰度共生矩阵生成的纹理特征值有哪几种
用java实现基于纹理的图像检索（灰度共生矩阵） %*图像检索—纹理特征基于共生矩阵纹理特征提取，d=1，θ=0°，45°，90°，135°共四个矩阵所用图像灰度级均为256参考《基于颜色空间和纹理特征的图像检索》function：T=Texture(Image)Image：输入图像数据T：返回八维纹理特征行向量function T=Texture(Image)Gray=imread('d：\\result5.bmp')；[M，N，O]=size(Gray)；M=128；N=128；1.将各颜色分量转化为灰度Gray=double(0.3*Image(：，：，1)+0.59*Image(：，：，2)+0.11*Image(：，：，3))；2.为了减少计算量，对原始图像灰度级压缩，将Gray量化成16级for i=1：Mfor j=1：Nfor n=1：256/16if(n-1)*16(i，j)&Gray(i，j)(n-1)*16+15Gray(i，j)=n-1；endendendend3.计算四个共生矩阵P，取距离为1，角度分别为0，45，90，135P=zeros(16，16，4)；for m=1：16for n=1：16for i=1：Mfor j=1：Nif j(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(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(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(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)；endendendif m=nP(m，n，：)=P(m，n。
基于灰度共生矩阵的纹理图像分割 利用Matlab编程，对图像的灰度共生矩阵计算出了二次统计量，如二阶距、对比度、熵、相关性等11种纹理特征后，如何利用这些纹理特征进行。
Image J软件如何进行纹理分析（GLCM灰度共生矩阵参数），跪求大神简单介绍一下大致操作
灰度共生矩阵的灰度共生矩阵的特征 直觉上来说，如果图像的是由具有相似灰度值的像素块构成，则灰度共生矩阵的对角元素会有比较大的值；如果图像像素灰度值在局部有变化，那么偏离对角线的元素会有比较大的值。通常可以用一些标量来表征灰度共生矩阵的特征，令G表示灰度共生矩阵常用的特征有：也即每个矩阵元素的平方和。如果灰度共生矩阵中的值集中在某一块（比如对连续灰度值图像，值集中在对角线；对结构化的图像，值集中在偏离对角线的位置），则ASM有较大值，若G中的值分布较均匀（如噪声严重的图像），则ASM有较小的值。能量是灰度共生矩阵元素值的平方和，所以也称能量，反映了图像灰度分布均匀程度和纹理粗细度。如果共生矩阵的所有值均相等，则ASM值小；相反，如果其中一些值大而其它值小，则ASM值大。当共生矩阵中元素集中分布时，此时ASM值大。ASM值大表明一种较均一和规则变化的纹理模式。如果灰度共生矩阵对角元素有较大值，IDM就会取较大的值。因此连续灰度的图像会有较大IDM值。逆差矩：反映图像纹理的同质性，度量图像纹理局部变化的多少。其值大则说明图像纹理的不同区域间缺少变化，局部非常均匀。若灰度共生矩阵值分布均匀，也即图像近于随机或噪声很大，熵会有较大值。熵是图像所。
一幅高光谱图像的基于灰度共生矩阵的纹理特征怎么计算 常见的统计量有：能量、对比度、熵、均匀性、均值、方差、非相似度、相关性。它们从不同的角度反映了影像的灰度分布、信息量及纹理粗细度。
灰度矩阵是什么意思？？？？？？？？？？？
matlab里用灰度共生矩阵求纹理特征的问题！！ qq短你了
基于灰度共生矩阵的纹理图像分割 对于每个像素点，把你得到的这些特征串成一个向量，然后把这些向量作为FCM的输入，对每个像素进行分类。如果定义两个类，一个是分割对象目标，另一个是背景，那么分类的结果就是图像分割的结果了。
【求助】如何提取纹理分析中的灰度共生矩阵 在网上或期刊网上搜一下也能看个大概吧我记得浙江大学出的遥感数字图像处理上有这方面的介绍吧，手头上没书，不太确定 非常感谢，我晓得可以通过MATLAB来实现。木木甘(站内。
