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，
实验内容在网上或者提前准备10张（或以上）图像，使用matlab提取图像直方图特征并进行显示；将图像特征进行保存（保存为矩阵形式.mat格式），并进行图像相似度比较（使用欧式距离）。clear,clc
for i=1:10
b=['sce',num2str(i),'.jpg'];%
s=imread(b);
&nbs
偶尔看到这段代码，有点意思，勇哥记录下来把玩一下。作者管它叫网络爬虫，其实是嘘头，因为它只不过是批量采集网页，然后用正则表达式写入excel中罢了。netMarketing类库中的httpClass类可比这个强大多了。勇哥试了一下，下面的代码由于目标页面已经改版，所以现有正则表达式采集规则已经失效，采集不到东西了。所以代码只能是仅供参考。clear;clc;
warning off;
for year = 2010:2011 %年份
&nb
matlab默认的制图都相当于是笛卡尔坐标系的第一向限，有些时候我们想画出四个向限的效果怎么做呢？请看下面勇哥提供的两个例子：例12.1 (1) 已知连续时间信号如图P2.1(a)所示。试画出下列各信号的波形图，并加以标注。(a)x(t-2)(b)x(1-t)(c)x(2t+2)clc; clear
x=-3:6; y=-3:6;
s=-1:0.01:3;
t=(s+1).*(s>=-1&s<0)+1*(s>=0&s<1)+2*(
>> y=[0 0.58 0.70 0.95 0.83 0.25];
>> plot(y)生成的图形是以序号为横坐标、数组y的数值为纵坐标画出的折线。
//////////////////////////////////////////////////////////////////////////////////////////////////>> x=linspace(
在用MATLAB处理数据时，有时候，为了几组不同数据之间的对比，我们需要将几组数据对应的曲线画在一张图上，该怎么处理呢？首先，我们随机产生三组范围不同的数据，数据量都为500，他们的边界分别为[10,15]，[23,38],，[38,58]。方法如下：x1=10+5*rand(500,1);x2=23+15*rand(500,1);x3=38+20*rand(500,1);下面，我们要分别画出x1，x2，x3对应的曲线，用MATLAB的内置函数plot进行操作，分别用三个plot进行绘图，结果如
首先，我们先来看看这个数的倒数：其实矩阵的逆矩阵也跟倒数的性质一样，不过只是我们习惯用A-1表示：问题来了，既然是和倒数的性质类似，那为什么不能写成1/A？其实原因很简单，主要是因为矩阵不能被除。不过 1/8倒可以被写成 8-1。那矩阵的逆和倒数还有其他相似之处吗？当我们将一个数乘以它的倒数我们得到1。8 × (1/8) = 1当一个矩阵乘以逆时，我们得到了单位矩阵（而单位矩阵，其实也就是矩阵中的“1”）。A × A-1 = I而此时我们将矩阵的逆放在前面，很明显，结果还是一