基于灰度共生矩阵的纹理特征提取系统

资 源 简 介

本程序主要用于实现数字图像的纹理特征提取。灰度共生矩阵是一种经典的纹理分析方法，它通过统计图像中具有某种空间位置关系的像素对出现的频率来描述图像的纹理特征。

详 情 说 明

基于MATLAB的灰度共生矩阵（GLCM）特征提取系统

项目介绍

本系统是一款基于MATLAB开发的图像纹理特征提取工具。它通过灰度共生矩阵（Gray-Level Co-occurrence Matrix, GLCM）这一经典的统计分析方法，对数字图像的纹理信息进行量化。系统支持多方向、多特征的综合分析，旨在通过统计像素间的空间分布规律，提取反映图像清晰度、均匀度、平滑度及相关性的客观数据。

功能特性

1. 图像预处理：系统能够自动识别输入图像的类型。若为彩色RGB图像，将自动转换为灰度图像；若为标准灰度图，则直接进行后续处理。
2. 灵活的灰度量化：为了提高计算效率并行离散化特征，系统内置灰度级转换功能，将常见的256级灰度映射至自定义的较低等级（默认为16级）。
3. 多方向纹理分析：系统同时计算四个关键方向的共生矩阵，包括水平方向（0°）、右上角方向（45°）、垂直方向（90°）以及左上角方向（135°）。
4. 四大核心特征提取：基于建立的共生矩阵，系统精准提取对比度（Contrast）、相关性（Correlation）、能量（Energy/ASM）和同质性（Homogeneity）四个维度的统计特征。
5. 数据可视化分析：系统提供丰富的视觉反馈，包括灰度量化对比图、四个方向的GLCM热力分布图、纹理特征分布柱状图以及各特征随角度变化的趋势图。

运行环境与系统要求

1. 软件环境：MATLAB R2016a 或更高版本。
2. 必备工具箱：Image Processing Toolbox (图像处理工具箱)。
3. 输入格式：支持 .tif, .jpg, .png, .bmp 等标准图像格式。

系统实现逻辑说明

本程序严格遵循数字图像处理的标准流程，具体执行逻辑如下：

1. 环境初始化：启动程序后，首先清空命令行窗口、清除工作区变量并关闭所有活动窗口，确保运行环境的纯净。
2. 参数初始化：定义灰度量化等级为16级，并设置位移步长（距离为1像素），同时确立四个空间位移矢量矩阵（代表0°、45°、90°、135°）。
3. 图像获取与转换：加载指定图像（默认为内置示例图），通过维度检查判断图像类型。若是三通道彩色图，则应用加权平均算法转换为单通道灰度图。
4. 灰度定级量化：采用归一化与向下取整相结合的算法，将图像像素值从 [0, 255] 线性映射到 [0, 15] 区间。此步骤对于减少GLCM矩阵规模、突出纹理主干信息至关重要。
5. 矩阵构建：利用核心算法函数生成三维GLCM张量。开启对称性设置，确保 (i,j) 与 (j,i) 的统计概率一致。
6. 特征计算：

* 归一化处理：计算各方向矩阵的总和，将频数矩阵转化为概率分布矩阵。 * 特征求解：通过对概率矩阵进行数学期望与方差的加权计算，得出四大纹理统计量。

1. 报告生成：在终端实时打印各方向、各特征的详细数值报表。
2. 综合绘图：创建一个复合窗口，同步展示量化后的图像差异、矩阵的空间热度分布图，以及直观的特征对比柱状图和归一化趋势曲线图。

关键算法与函数分析

1. 灰度共生矩阵生成（graycomatrix）：这是系统的核心，通过设置特定偏移量（Offsets）和灰度阈值范围（GrayLimits），统计在定义位移下像素对出现的频数。本系统使用了对称模式，保证了计算的稳健性。
2. 纹理特征计算（graycoprops）：

* 对比度：计算像素对与其邻域的亮度差异，反映图像纹理的深浅。 * 相关性：衡量图像中像素与其邻域的线性空间依赖性。 * 能量：又称二阶矩，是GLCM元素值的平方和。图像像素分布越均匀，其能量值越高。 * 同质性：反映图像局部纹理变化的平滑度，当图像中各像素间差异较小时，该值较高。

1. 空间统计量归一化：系统通过计算每个GLCM方向的能量总和，进行概率化校准，使得不同尺度的纹理特征具有可比性。
2. 趋势可视化：为了直观比较数值量级差异较大的四个特征（如能量通常较小，而对比度较大），系统在趋势图中采用了归一化处理（除以各特征的最大值），以便观察特征随空间方向变化的敏感度。

使用方法

1. 准备数据：将需要分析的图像放入MATLAB当前运行路径下，或者修改代码中的图像读取路径。
2. 调整参数：如有需要，可在程序开头修改灰度量化等级（如改为8或32）。
3. 运行程序：在MATLAB编辑器中点击“运行”按钮。
4. 获取结果：查看命令窗口中输出的纹理分析报告，并结合生成的特征趋势图进行纹理特性评估。