灰度共生矩陣，指的是一種通過研究灰度的空間相關特性來描述紋理的常用方法。2023年haralick等人提出了用灰度共生矩陣來描述紋理特徵。由於紋理是由灰度分布在空間位置上反覆出現而形成的，因而在影象空間中相隔某距離的兩畫素之間會存在一定的灰度關係，即影象中灰度的空間相關特性。
灰度（假設是0到255）共生矩陣其實和灰度（假設是0到255）直方圖有點相似。
灰度直方圖是統計一幅圖中每個畫素值擁有的個數，它是一維的，比如畫素值為0的個數為100個，畫素值為50的個數為200等等，所以只有0到255總共256個；
而灰度共生矩陣是固定距離和方向去統計這幅圖中畫素值可能的組合的個數，假設點a在影象的座標為（x，y），畫素值為v1；點b在影象的座標為（x，y+1），畫素值為v2。它們構成的乙個組合為（v1，v2），而v1和v2的可能是從0到255，所以有256*256種可能，將它們排列成乙個256*256的矩陣。現在將點a從的第乙個位置開始，從左到右，從上到下，得到它們可能組合的個數，並記入到256*256矩陣中。一般來說會用每種組合的個數除以組合總數的概率矩陣表示是灰度共生矩陣。灰度級為256有點大，往往會壓縮到某一級，比如壓縮到8級（畫素值在0到31的賦為1,畫素值為32到63的賦為2，依次類推）。誒，說好的方向呢？其實上述的點a和點b，既包含了距離，又有水平方向。下面是乙個模擬求灰度共生矩陣的例子。
下圖顯示了以上述點a和點b所固定方向和距離後，如何求解灰度共生矩陣的。以（1，1）點為例，組合（glcm）（1，1）值為1說明只有一對灰度為1的畫素水平相鄰。glcm（1，2）值為2，是因為有兩對灰度為1和2的畫素水平相鄰。
左邊是4*5的，右邊是8*8的共生矩陣
有的資料說灰度共生矩陣資料大，才用能量、熵、對比度、均勻性、相關性、方差、和平均、和方差、和熵、差方差、差平均、差熵、相關資訊測度以及最大相關係數這些標量去描述共生矩陣的。我覺得不是，一幅圖即使不壓縮灰度級也才256*256，這個資料量相對於來說並不是很大，我覺得更多是為了更好的量化紋理特徵才使用這些標量的，方便隨後的使用。這些標量相對簡單，只是乙個公式就能搞定，這裡就不描述了。
參考：
其他部落格
灰度共生矩陣理解
參考 首先是條件 距離和角度 或者x方向距離，y方向距離 假設原圖灰度級為l。原圖大小不重要 灰度共生矩陣是乙個 lxl 大小的概率統計矩陣，每個點的值為滿足位置條件的 灰度對 概率大小 最後會歸一化 歸一化前，設這個矩陣中座標為 p,q 的點處值為num，則表示原圖中滿足條件的灰度對 p,q 有n...
灰度共生矩陣 GLCM
灰度共生矩陣法 glcm,gray level co occurrence matrix 就是通過計算灰度影象得到它的共生矩陣，然後透過計算該共生矩陣得到矩陣的部分特徵值，來分別代表影象的某些紋理特徵 紋理的定義仍是難點 灰度共生矩陣能反映影象灰度關於方向 相鄰間隔 變化幅度等綜合資訊，它是分析影象...
OpenCV22（灰度共現矩陣 灰度共生矩陣）
理解它的最好辦法，就是我們來一起算一次。灰度共現 共生矩陣，其上元素，是灰度影象中某種形狀的畫素對，在全圖中出現的次數 或者是概率 不理解？沒關係，一會就明白了 可以用作影象的一種特徵，藉以區分不同的影象。灰度共現矩陣是方陣，矩陣的行數是影象灰度的等級。不理解？沒關係 ok，開始做題。假設乙個影象的...