此实现会计算 Haralick 提出的 14 个 GLCM 指标,以及 Conners 提出的 4 个额外指标。输入必须为整数值。
如果开启了方向平均,输出由每个输入频段 18 个频段组成;如果未开启,输出由内核中每个方向对 18 个频段组成:
ASM:角二阶矩;用于衡量重复配对的数量
对比度:f2,对比度;用于衡量图片的局部对比度
CORR:f3,相关性;衡量像素对之间的相关性
VAR:f4,方差;衡量灰度分布的离散程度
IDM:f5,逆差分矩;用于衡量同质性
SAVG:f6,总和平均值
SVAR:f7,总方差
SENT:f8,熵总和
ENT:f9,熵。衡量灰度分布的随机性
DVAR:f10,差分方差
DENT:f11,差分熵
IMC1:f12,相关性 1 的信息度量
IMCORR2:f13,相关性信息度量 2
MAXCORR:f14,最大相关系数。(未计算)
DISS:相异性
INERTIA:惯性
SHADE:集群阴影
PROM:聚类显著性
如需了解详情,请参阅以下两篇论文:Haralick 等人撰写的“Textural Features for Image Classification”,https://doi.org/10.1109/TSMC.1973.4309314;以及 Conners 等人撰写的“Segmentation of a high-resolution urban scene using texture operators”,https://sdoi.org/10.1016/0734-189X(84)90197-X。
用法 | 返回 |
---|---|
Image.glcmTexture(size, kernel, average) | 图片 |
参数 | 类型 | 详细信息 |
---|---|---|
此:image | 图片 | 要计算纹理指标的图片。 |
size | 整数,默认值:1 | 要纳入每个 GLCM 中的邻域的大小。 |
kernel | 内核,默认值:null | 一个内核,用于指定计算 GLCM 的 x 和 y 偏移量。系统会为内核中每个非零像素(中心像素除外)计算一个 GLCM,前提是尚未针对同一方向和距离计算过 GLCM。例如,如果设置了东侧像素和/或西侧像素,则仅计算 1 个(水平)GLCM。系统会从左到右、从上到下扫描内核。默认值为 3x3 正方形,从而生成 4 个偏移量分别为 (-1, -1)、(0, -1)、(1, -1) 和 (-1, 0) 的 GLCM。 |
average | 布尔值,默认值:true | 如果为 true,则对每个指标的方向性频段求平均值。 |