基于MATLAB数字图像GLCM纹理分析软件实现

王辉 丛榆坤 陈金阳 王敏

摘要：结合数字图像处理技术课程与科研实验的需要，针对图像灰度共生矩阵纹理二次特征提取问题的需求，本文使用MATLAB语言设计了灰度共生矩阵图像处理及特征提取程序，并给出了软件算法在MATLAB开发平台上程序的源代码。

关键词：图像处理技术;纹理特征;灰度共生矩阵;软件设计;MATLAB

中图分类号：TP391 文献标识码：A 文章编号：1007-9416（2019）10-0146-03

1 图像处理技术与灰度共生矩阵

数字图像处理技术（Digital Image Processing）主要讨论用计算机对数字图像进行去除噪声、图像增强、图像复原、图像分割、图像提取特征等处理的加工方法和分析技术。纹理特征是数字图像处理分析中的常用的重要特征，它描述了数字图像中重复出现的局部模式以及排列规则，常用于图像分类和场景识别。本文结合数字图像处理技术课程与科研实验的需要，针对图像灰度共生矩阵纹理二次特征提取问题的需求，本文使用MATLAB语言设计了灰度共生矩阵图像处理程序，并给出了软件算法在MATLAB开发平台上程序的源代码。

2 灰度共生矩阵MATLAB软件程序设计

2.1 函数程序和软件使用方法

软件主函数为function GLCM_FAST（path_of_image，seq，step， gray_level），其中，Path_of_Image图像存储路径，string格式;Seq批处理图像序号，Seq=[first last]，first是首图片编号，last是尾图片编号;Step灰度共生矩阵生成步长，Step=1、2、3...整数;GRAY_LEVEL图像灰度级数，GRAY_LEVEL一般取值为16，32，64，128，256;函数返回值为灰度共生矩阵14个特征参数及程序运行时间。

软件子函数计算θ=0°、45°、90°、135°四个方向灰度共生矩阵函数分别为function GCLM_P=Cal_Co_Matrix_0（DATA，GRAY_LEVEL，STEP）、functionGCLM_P=Cal_Co_Matrix_45（DATA，GRAY_LEVEL，STEP）、function GCLM_P=Cal_Co_ Matrix_90（DATA，GRAY_LEVEL，STEP）以及function GCLM_P=Cal_Co_Matrix_135（DATA，GRAY_LEVEL，STEP），其中，DATA已经读入的图像数据，Step、GRAY_LEVEL同上。软件子函数计算灰度共生矩阵14个特征参数函数为function Parameter= Cal_Para（GCLM_P，GRAY_LEVEL），GCLM_P待处理的灰度共生矩阵，其函数返回值为灰度共生矩阵14个特征参数，软件程序流程图如图1所示。

软件使用方法如下：（1）将文件置于MATLAB软件默认调用函数目录中;（2）将待处理图片，依次按数字编号1，2，3...，修改文件名;（3）打开MATLAB程序，在命令窗口中，分别给Path_of_Image、Seq、Step、GRAY_LEVEL赋初始值;（4）在命令窗口中，输入“GLCM_FAST（Path_of_Image，Seq，Step，GRAY_LEVEL）;”即可运行程序。待弹出窗口后，程序结束，在命令窗口中，显示程序运行时间，并将所得特征参数写到当前目录下相应的“WH_4_ Angles.txt”、“WH_AVR.txt”和“WH_4_Angles_Gui.txt”等3个数据文件中，分别对应灰度共生矩阵4个方向特征參数值数据文件、4个方向特征参数平均值数据文件和4个方向归一化后特征参数值数据文件。

2.2 主函数程序程序代码

function GLCM_FAST（path_of_image，seq，step， gray_level）

clc;

t=cputime;

Seq= seq;

STEP=step;

GRAY_LEVEL=gray_level;

PATH_OF_IMAGE= path_of_image;

YDT=fix（clock）;

time=[num2str（YDT（4）），'：'，num2str（YDT（5）），'：'，num2str（YDT（6））];

disp（time）

eval（['cd' ' ' PATH_OF_IMAGE]）;

ff0=fopen（'WH_4_Angles.txt'，'w'）;

ff1=fopen（'WH_AVR.txt'，'w'）;

ff2=fopen（'WH_4_Angles_Gui.txt'，'w'）;

Image_First=Seq（1）;Image_Last=Seq（2）;

name=int2str（Image_First）;

for Image_number=Image_First：Image_Last

x=imread（name，'bmp'）;

data=rgb2gray（x）;

DATA=double（data）;

GCLM_P1=Cal_Co_Matrix_0（DATA，GRAY_LEVEL，STEP）;

Parameter（1，：）=Cal_Para（GCLM_P1，GRAY_LEVEL）;

GCLM_P2=Cal_Co_Matrix_45（DATA，GRAY_LEVEL，STEP）;

Parameter（2，：）=Cal_Para（GCLM_P2，GRAY_LEVEL）;

GCLM_P3=Cal_Co_Matrix_90（DATA，GRAY_LEVEL，STEP）;

Parameter（3，：）=Cal_Para（GCLM_P3，GRAY_LEVEL）;

GCLM_P4=Cal_Co_Matrix_135（DATA，GRAY_LEVEL，STEP）;

Parameter（4，：）=Cal_Para（GCLM_P4，GRAY_LEVEL）;

PARAMETER=mean（Parameter）;

P_SUM=sum（Parameter）;

Parameter_Gui=Parameter;

for iii=1：14

Parameter_Gui（：，iii）=Parameter（：，iii）/P_SUM（iii）;

end

for J=1：4

for I=1：14

String=[num2str（Parameter（J，I）），' '];

fprintf（ff0，'%s'，String）;

String2=[num2str（Parameter_Gui（J，I）），' '];

fprintf（ff2，'%s'，String2）;

if J==1

String1=[num2str（PARAMETER（I）），' '];

fprintf（ff1，'%s'，String1）;

end

end%

fprintf（ff0，'%s＼n'，';'）;

fprintf（ff2，'%s＼n'，';'）;

end%

fprintf（ff1，'%s＼n'，';'）;

name=str2double（name）;name=name+1;name=int2str（name）;

fprintf（ff0，'%s＼n'，''）;

fprintf（ff2，'%s＼n'，''）;

end

fclose（ff0）;

fclose（ff1）;

fclose（ff2）;

YDT=fix（clock）;

time=[num2str（YDT（4）），'：'，num2str（YDT（5）），'：'，num2str（YDT（6））];

disp（time）

disp（cputime-t）

Figure

3 結语

本文使用MATLAB语言设计了灰度共生矩阵图像处理及特征提取程序，给出了软件算法在MATLAB开发平台上程序的源代码。该软件应用于机器视觉、智能控制与模式识别研究领域，获取已知图像的灰度图像共生矩阵，能够反映图像灰度关于方向、相邻间隔、变化幅度的综合信息。通过灰度共生矩阵可以分析图像的局部模式和排列规则等。还可以提取其角二阶矩、对比度、相关、熵、方差、均值和、方差和、逆差矩、差的方差、和熵、差熵、聚类阴影、显著聚类和最大概率共14个纹理特征参数。该程序使用灵活，设有6个输入形式参数，输入图像格式兼容范围广，输出为灰度共生矩阵及其特征参数，可以根据需要设置灰度共生矩阵及其特征的获取参数，以满足不同需求下的纹理参数获取。此外，本软件还可以计算程序执行时间，能够解决图像灰度共生矩阵纹理二次特征提取问题的需求，同时能够满足数字图像处理技术课程与科研实验的需要。

参考文献

[1] 王辉，白雪冰，丁金华，等.基于贝叶斯理论集成网络分类器在板材识别中的应用[J].大连工业大学学报，2015，34（3）：231-234.

[2] 兰蓉，母保洋.二级分区下颜色融合纹理的刑侦图像检索[J].计算机应用与软件，2019，36（8）：181-188.

[3] 芦兵，孙俊，杨宁，等.基于荧光透射谱和高光谱图像纹理的茶叶病害预测研究[J].光谱学与光谱分析，2019，39（8）：2515-2521.

[4] 肖志云，刘洪.小波域马铃薯典型虫害图像特征选择与识别[J].农业机械学报，2017，48（9）：24-31.

[5] 基于MATLAB语谱图的声乐研究[J].软件工程，2019，22（9）：1-4.