基于GLCM的图像纹理特征提取与分析系统

资 源 简 介

本项目旨在利用MATLAB强大的矩阵计算与图像处理能力，开发一套通用的灰度共生矩阵计算与纹理分析工具。项目具有以下详细功能：1. 图像预处理模块：支持读入多种格式（JPG, PNG, BMP等）的数字图像，自动判定并将其从RGB色彩空间转换为灰度空间，同时支持用户自定义灰度级压缩（如将256级灰度量化为8级或16级），以优化计算效率和矩阵稀疏度。2. 全方位GLCM构建：算法能够根据用户指定的位移距离（offset）和方向角（通常为0°、45°、90°、135°），精确计算图像的灰度共生矩阵，捕捉像素间空间相关性的二阶统计信息。3. 核心特征要素提取：基于生成的共生矩阵，实现Haralick定义的关键纹理特征的数学计算，具体包括能量（Energy/ASM）、对比度（Contrast）、相关性（Correlation）、均匀性（Homogeneity/Inverse Difference Moment）以及熵（Entropy）。这些特征值能定量描述图像纹理的粗细、沟纹深浅及规则程度。4. 数据分析与可视化：提供直观的结果展示，包括GLCM矩阵的热力图显示，以及各纹理特征值的数据列表导出，方便在图像分割、医学影像诊断或遥感地物分类等后续任务中直接调用。

详 情 说 明

基于MATLAB的灰度共生矩阵(GLCM)纹理特征提取系统

项目简介

本项目是一个基于MATLAB开发的图像纹理分析工具，专注于利用灰度共生矩阵（Gray Level Co-occurrence Matrix, GLCM）提取图像的纹理特征。系统集成了图像预处理、灰度级量化、多方向GLCM构建、Haralick纹理特征计算以及全方位的数据可视化功能。该工具能够定量描述图像纹理的粗细、规则程度及复杂性，适用于图像分割、医学影像分析及遥感图像分类等领域的特征提取任务。

功能特性

• 多格式图像支持：支持读取 JPG, PNG, BMP, TIF 等常见格式的图像文件。若用户取消选择，系统会自动加载内置演示图像。
• 智能预处理与量化：自动将彩色图像转换为灰度图像，并执行灰度级压缩（默认将256级压缩为16级），以减少计算量并提高矩阵统计的稳定性。
• 多方向GLCM计算：支持同时计算 0°、45°、90°、135° 四个经典方向的灰度共生矩阵。
• 矩阵优化处理：算法内部自动对GLCM进行对称化（Symmetric）和归一化（Normalization）处理，确保特征计算的准确性。
• 关键纹理特征提取：实现了Haralick定义的五大核心特征：

1. 能量 (Energy) 2. 对比度 (Contrast) 3. 相关性 (Correlation) 4. 均匀性 (Homogeneity) 5. 熵 (Entropy)

• 综合可视化界面：生成包含6个子图的分析面板，直观展示原始图像、量化图像、GLCM热力图、特征柱状图及数值统计汇总。

系统要求

• MATLAB R2016a 或更高版本
• Image Processing Toolbox（用于图像读取与基本处理）

使用方法

1. 在MATLAB环境中打开项目所在文件夹。
2. 直接运行主脚本。
3. 系统将弹出文件选择对话框，请选择一张待分析的图片。
4. 程序运行结束后，将自动生成一个包含图像展示和特征数据分析的窗口，并在命令行窗口输出详细的计算结果。

---

核心算法与实现逻辑分析

本项目的主逻辑完全包含在一个主脚本中，通过参数设置、流程控制和本地子函数调用实现完整的分析流程。

1. 参数配置模块

脚本开头定义了GLCM计算的关键参数：

• 灰度级 (GrayLevels)：设置为16。这意味着原始0-255的像素值会被映射到1-16的区间。减少灰度级可以避免GLCM过于稀疏，提高统计意义。
• 步长 (Distance)：默认为1，即统计相邻像素之间的关系。
• 方向 (Angles)：定义了 [0, 45, 90, 135] 四个角度，覆盖了水平、垂直和两个对角线方向。

2. 图像读取与预处理 (loadImageAndPreprocess)

该模块实现了图像的加载和标准化：

• 交互式加载：利用 uigetfile 获取用户选择的文件路径。如果用户取消，则默认读取系统内置的 peppers.png 作为演示。
• 灰度转换：通过检测图像维度，若为三通道RGB图像，则调用 rgb2gray 转换为单通道灰度图。
• 线性量化：为了构建指定大小（16x16）的GLCM，代码使用线性量化公式 floor(pixel / 256 * levels) + 1，将像素值域从 [0, 255] 线性映射到 [1, 16]。这是构建GLCM前的关键步骤。

3. GLCM 矩阵构建核心 (computeGLCM)

这是系统的核心计算模块，手动实现了GLCM的生成逻辑，未依赖MATLAB内置的 graycomatrix 函数，以便更灵活地控制计算过程：

• 方向偏移定义：根据MATLAB矩阵索引规则（行向下增加，列向右增加），定义了四个方向的偏移量 $(dr, dc)$：

* 0°: (0, 1) * 45°: (-1, 1) —— 对应右上方向 * 90°: (-1, 0) —— 对应正上方向 * 135°: (-1, -1) —— 对应左上方向

• 矩阵填充：遍历图像矩阵的每一个像素，根据当前方向找到邻域像素，在GLCM对应坐标位置累加计数。
• 对称化处理：为了消除方向正反的影响（即认为 A到B 与 B到A 的纹理关系一致），代码执行了 currentGLCM + currentGLCM' 操作，生成对称矩阵。
• 概率归一化：将计数矩阵除以所有元素之和，将其转化为概率矩阵 $P(i,j)$，这是后续特征计算的基础。

4. Haralick 特征计算 (calculateHaralickFeatures)

基于归一化的GLCM，代码实现了五个标量特征的数学运算：

• 能量：计算矩阵元素的平方和，反映纹理的均匀度和粗细。
• 对比度：利用权重 (i-j)^2 对矩阵元素加权求和，重点衡量远离对角线的元素，反映纹理的深浅和清晰度。
• 均匀性：利用权重 1/(1+|i-j|)，衡量分布在对角线附近的元素，反映图像纹理的规则性。
• 熵：计算 -sum(p * log(p))。代码中特别处理了 log(0) 的情况，使用 eps（极小值）替代0，防止产生 NaN 错误，反映纹理的复杂度和信息量。
• 相关性：计算行与列的统计相关系数。代码中包含了标准差为0的特判逻辑，以防止纯色图像处理时出现除以零的错误。

5. 数据分析与可视化

系统通过单一 Figure 窗口展示完整结果：

• 图像展示区：并列显示原始彩色图和量化后的灰度索引图，方便观察量化对图像细节的影响。
• 矩阵热力图：使用 imagesc 绘制 0° 方向的GLCM热力图，直观展示像素对的分布模式。
• 特征图表：绘制“能量”和“熵”随角度变化的柱状图，帮助分析纹理的方向性（各向同性或各向异性）。
• 数值汇总：在界面右下角直接打印各角度特征的平均值，提供量化的最终分析结论。同时，控制台会输出每个具体角度的详细特征值。