最近在项目中要进行图像的特征提取工作，为了便于以后查阅和使用，遂写博客以记录。 说到图像的纹理特征，大家能想到的就是灰度共生矩阵（Gray-Level Co-Occurrence Matrix, GLCM）、灰度游程矩阵（Gray-Level Run-Length Matrix, GLRLM)、局部二值模式（Local Binary Pattern, LBP）和方向梯度直方图（Histogram of Oriented Gradient, HOG)。 这篇博文主要总结一下灰度游程矩阵，顾名
在进行纹理分析时计算纹理周期有很大作用，而自相关函数用来计算纹理周期具有很好的效果。要计算纹理图像的自相关函数值，可以使用matlab里面的xcorr2函数。具体代码如下：clear;clc;
I = imread('1.jpg');
GRAY=rgb2gray(I);
LENGTH=40;
WIDTH=size(I,2);
HEIGHT=size(I,1);
MED=medfilt2(GRAY);
corr=xcorr2(MED);
for&
本篇文章仅为本人加深图像处理算法的理解，有不严谨的地方，不作为学习的参考。参考书籍：精通Matlab数字图像处理与识别，张铮等，人民邮电出版社。局部二进制模式（LBP），最早用于图像纹理的描述，其在描述局部区域的特征方面有着卓越的能力。1.理论基础图像多为分区图像，标准的LBP直方图的维数较高，且局部直方图过于稀疏。基于此提出统一化模式的概念。统一化模式：二进制串***循环***变化的次数小于等于2.大于2的为非统一化模式。每个统一化模式占一个收集箱，非统一化模式统一占一个收集箱。如8邻域，收集
Tamura 纹理特征我这篇文章主要是参考的Tamura纹理特征的matlab实现。本来没打算写这篇博客的，结果在写文章的时候各种找文献资料，都很难找到比较好的解释Tamura的文章。很多人的文章都是含糊其辞，要么就是排版稀烂，没法看。实在受不了自己写一个高大全的Tamura特征的博客，既方便自己也方便别人。原始出处原理解释代码展示原始出处最原始的Tamura的论文《Textural Features Corresponding to Visual Perception》，IEEE上的这篇论文，
粘连的东西，最常见的思路是进行腐蚀，缩小region。用下面的思路也是可以的。（1）简单的阈值分割；（2）计算连通域connection；（3）基于距离变换的分水岭区域分割，使用算子distance_tansform,watersheds（4）盆地与原连通域求交集，分离粘连颗粒；演示程序如下：*采集图像
dev_close_window ()
read_image (Image, 'pellets')
*计算图片大小，并以原图尺寸显示
g