灰度共生矩阵概念：像素灰度在空间位置上的反复出现形成图像的纹理，GLCM是描述具有某种空间位置关系两个像素灰度的联合分布含义：就是两个像素灰度的联合直方图，是一种二阶统计量就是两个像素点的关系。

像素关系可以根据不同的纹理特性进行选择，也就是的大小可以自由选像素的空间位置关系：取。

对于较细的纹理分析可以取像素间距为1，是水平扫描；是垂直扫描；是45度扫描；是135度扫描（原博文有错误）。

一旦位置空间确定，就可以生成灰度共生矩阵。

矩阵的物理意义：用表示灰度共生矩阵，它是一个的矩阵（L为灰度级，就是一幅图中包含的不同灰度或者颜色的个数），是具有空间位置关系且灰度分别为i和j的两个像素出现的次数或频率（归一化）例如：下图是某纹理像素的放大，和对应的像素灰度矩阵此图像只有三种灰度，故灰度级为3，灰度共生矩阵是一个3*3的矩阵归一化形式为改变位置空间的定义，灰度共生矩阵相应地改变：归一化形式为：矩阵的特征量：从灰度共生矩阵上可以简单的看出，如果对角附近的元素有较大的值，说明图像的像素具有相似的像素值，如果偏离对角线的元素会有比较大的值，说明像素灰度在局部有较大变化。

为了得到更多的纹理特征，我们还需要在进行计算：对比度）（或反差）（contrast）：纹理沟纹越深，其对比度越大，视觉效果越清晰；反之，对比度小，则沟纹浅，效果模糊。

灰度差即对比度大的象素对越多，这个值越大。

灰度公生矩阵中远离对角线的元素值越大，con越大。

所以con越大图像越清晰相关度（inverse different moment）：度量空间灰度共生矩阵元素在行或列方向上的相似程度，因此，相关值大小反映了图像中局部灰度相关性。

当矩阵元素值均匀相等时，相关值就大;相反，如果矩阵像元值相差很大则相关值小。

能量：是灰度共生矩阵元素值的平方和，所以也称之为能量，反映了图像灰度分布均匀程度和纹理粗细度。

ASM值大表明一种较均一和规则变化的纹理模式。

熵（entropy）：熵在物理中的含义就是物体的规则度，越有序熵越小，越无序熵越大。

此处熵同样表示图像的信息量，当共生矩阵中所有元素有最大的随机性、空间共生矩阵中所有值几乎相等时，共生矩阵中元素分散分布时，熵较大。

它表示了图像中纹理的非均匀程度或复杂程度。

自相关（correlation）：反应了图像纹理的一致性。

如果图像中有水平方向纹理，则水平方向矩阵的COR大于其余矩阵的COR值。

代码：GLCM.h#include<iostream>#include <cassert>#include <vector>#include <iterator>#include <functional>#include <algorithm>#include <opencv2/opencv.hpp>using namespace std;using namespace cv;typedef vector<vector<int> > VecGLCM;typedef struct _GLCMFeatures{_GLCMFeatures(): energy(0.0), entropy(0.0), contrast(0.0), idMoment(0.0){}double energy; // 能量double entropy; // 熵double contrast; // 对比度double idMoment; // 逆差分矩，inverse difference moment} GLCMFeatures;class GLCM{public:GLCM();~GLCM();public:// 枚举灰度共生矩阵的方向enum{GLCM_HORIZATION = 0, // 水平GLCM_VERTICAL = 1, // 垂直GLCM_ANGLE45 = 2, // 45度角GLCM_ANGLE135 = 3 // 135度角};public:// 计算灰度共生矩阵void calGLCM(IplImage* inputImg, VecGLCM& vecGLCM, int angle);// 计算特征值void getGLCMFeatures(VecGLCM& vecGLCM, GLCMFeatures& features);public:// 初始化灰度共生矩阵void initGLCM(VecGLCM& vecGLCM, int size = 16);// 设置灰度划分等级，默认值为16void setGrayLevel(int grayLevel) { m_grayLevel = grayLevel; }// 获取灰度等级int getGrayLevel() const { return m_grayLevel; }private:// 计算水平灰度共生矩阵void getHorisonGLCM(VecGLCM &src, VecGLCM &dst, int imgWidth, int imgHeight);// 计算垂直灰度共生矩阵void getVertialGLCM(VecGLCM &src, VecGLCM &dst, int imgWidth, int imgHeight);// 计算45 度灰度共生矩阵void getGLCM45(VecGLCM &src, VecGLCM &dst, int imgWidth, int imgHeight);// 计算135 度灰度共生矩阵void getGLCM135(VecGLCM &src, VecGLCM &dst, int imgWidth, int imgHeight); private:int m_grayLevel; // 将灰度共生矩阵划分为grayLevel 个等级};GLCM.cpp#include "GLCM.h"GLCM::GLCM() : m_grayLevel(16){}GLCM::~GLCM(){}//======================================================================== ======// 函数名称: initGLCM// 参数说明: vecGLCM,要进行初始化的共生矩阵,为二维方阵// size, 二维矩阵的大小,必须与图像划分的灰度等级相等// 函数功能: 初始化二维矩阵//======================================================================== ======void GLCM::initGLCM(VecGLCM& vecGLCM, int size){assert(size == m_grayLevel);vecGLCM.resize(size);for (int i = 0; i < size; ++i){vecGLCM[i].resize(size);}for (int i = 0; i < size; ++i){for (int j = 0; j < size; ++j){vecGLCM[i][j] = 0;}}}//======================================================================== ======// 函数名称: getHorisonGLCM// 参数说明: src,要进行处理的矩阵,源数据// dst,输出矩阵,计算后的矩阵，即要求的灰度共生矩阵// imgWidth, 图像宽度// imgHeight, 图像高度// 函数功能: 计算水平方向的灰度共生矩阵//======================================================================== ======void GLCM::getHorisonGLCM(VecGLCM &src, VecGLCM &dst, int imgWidth, int imgHeight){int height = imgHeight;int width = imgWidth;for (int i = 0; i < height; ++i){for (int j = 0; j < width - 1; ++j){int rows = src[i][j];int cols = src[i][j + 1];dst[rows][cols]++;}}}//======================================================================== ======// 函数名称: getVertialGLCM// 参数说明: src,要进行处理的矩阵,源数据// dst,输出矩阵,计算后的矩阵，即要求的灰度共生矩阵// imgWidth, 图像宽度// imgHeight, 图像高度// 函数功能: 计算垂直方向的灰度共生矩阵//======================================================================== ======void GLCM::getVertialGLCM(VecGLCM &src, VecGLCM &dst, int imgWidth, int imgHeight){int height = imgHeight;int width = imgWidth;for (int i = 0; i < height - 1; ++i){for (int j = 0; j < width; ++j){int rows = src[i][j];int cols = src[i + 1][j];dst[rows][cols]++;}}}//======================================================================== ======// 函数名称: getGLCM45// 参数说明: src,要进行处理的矩阵,源数据// dst,输出矩阵,计算后的矩阵，即要求的灰度共生矩阵// imgWidth, 图像宽度// imgHeight, 图像高度// 函数功能: 计算45度的灰度共生矩阵//======================================================================== ======void GLCM::getGLCM45(VecGLCM &src, VecGLCM &dst, int imgWidth, int imgHeight){int height = imgHeight;int width = imgWidth;for (int i = 0; i < height - 1; ++i){for (int j = 0; j < width - 1; ++j){int rows = src[i][j];int cols = src[i + 1][j + 1];dst[rows][cols]++;}}}//======================================================================== ======// 函数名称: getGLCM135// 参数说明: src,要进行处理的矩阵,源数据// dst,输出矩阵,计算后的矩阵，即要求的灰度共生矩阵// imgWidth, 图像宽度// imgHeight, 图像高度// 函数功能: 计算135 度的灰度共生矩阵//======================================================================== ======void GLCM::getGLCM135(VecGLCM& src, VecGLCM& dst, int imgWidth, int imgHeight){int height = imgHeight;int width = imgWidth;for (int i = 0; i < height - 1; ++i){for (int j = 1; j < width; ++j){int rows = src[i][j];int cols = src[i + 1][j - 1];dst[rows][cols]++;}}}//======================================================================== ======// 函数名称: calGLCM// 参数说明: inputImg,要进行纹理特征计算的图像,为灰度图像// vecGLCM, 输出矩阵,根据灰度图像计算出的灰度共生阵// angle,灰度共生矩阵的方向,有水平、垂直、45度、135度四个方向// 函数功能: 计算灰度共生矩阵//======================================================================== ======void GLCM::calGLCM(IplImage* inputImg, VecGLCM& vecGLCM, int angle){assert(inputImg->nChannels == 1);IplImage* src = NULL;src = cvCreateImage(cvGetSize(inputImg), IPL_DEPTH_32S, inputImg->nChannels);cvConvert(inputImg, src);int height = src->height;int width = src->width;int maxGrayLevel = 0;// 寻找最大像素灰度最大值for (int i = 0; i < height; ++i){for (int j = 0; j < width; ++j){int grayVal = cvGetReal2D(src, i, j);if (grayVal > maxGrayLevel){maxGrayLevel = grayVal;}}}// end for i++maxGrayLevel;VecGLCM tempVec;// 初始化动态数组tempVec.resize(height);for (int i = 0; i < height; ++i){tempVec[i].resize(width);}if (maxGrayLevel > 16)//若灰度级数大于16，则将图像的灰度级缩小至16级，减小灰度共生矩阵的大小。