基于GLCM算法的图像纹理特征分析

陈美龙， 戴声奎

(华侨大学 信息科学与工程学院，福建 厦门 361021)

0 引言

近20年来，随着计算机技术的迅速发展以及机器视觉系统在生产过程、农产品质量检测、国防安全、交通管理等领域的应用，纹理图像分析技术正在成为机器视觉领域的热点课题之一[1]。纹理是人们视觉系统对自然界物体表面现象的一种感知，是人们描述和区分不同物体的重要特征之一。至今对纹理没有一个统一、准确的定义[2-3]，常采用以下两种定义：①按一定规则对元素或者基元进行排列所形成的重复模式；②如果图像函数的一组局部属性是恒定的，或是缓变的，或是近似周期性的，则图像中的对应区域有恒定的纹理。

对于纹理的分析[4]，主要有4种分析方法：结构分析方法、统计方法、基于纹理模型的方法、信号处理方法。最经常采用统计分析方法中的GLCM方法,GLCM在一定程度上反映了纹理图像中各灰度值在空间上的分布特性，并且克服了直方图法不能反映空间位置信息的弱点，描述了纹理结构性质特征，是图像灰度变化的二阶统计度量。

1 GLCM算法

1.1 GLCM定义

设图像尺寸为M×N，灰度值为L，GLCM就是从图像中灰度为i的点(k, l)处的像素出发，统计与其距离为d=(m-k, n-l)的点(m, n)灰度为 j的像素同时出现的概率P( i, j, d,θ)[5],其中，相对距离d:是用像素数量表示的相对距离(若 d=1，表示相邻像素)；相对方向Ɵ：一般考虑4个方向，水平、对角线、垂直、反对角线(0、45°、90°、135°)。用数学式表示为：P( i, j, d,θ)=#{(k, l),(m, n)∈(M×N)|f( k, l)=i, f( m, n)=j},其 中 ，i, j=0,1,2,…,L-1;m=1,2,3,…,M; n=1,2,3,…,N 。

1.2 GLCM分析

主对角线元素[6]: GLCM中主对角线上的元素是具有一定距离的两象素同灰度组合出现的次数。……