基于MATLAB數字圖像GLCM紋理分析軟件實現

王輝 叢榆坤 陳金陽 王敏

摘要：結合數字圖像處理技術課程與科研實驗的需要，針對圖像灰度共生矩陣紋理二次特征提取問題的需求，本文使用MATLAB語言設計了灰度共生矩陣圖像處理及特征提取程序，并給出了軟件算法在MATLAB開發平臺上程序的源代碼。

關鍵詞：圖像處理技術;紋理特征;灰度共生矩陣;軟件設計;MATLAB

中圖分類號：TP391 文獻標識碼：A 文章編號：1007-9416（2019）10-0146-03

1 圖像處理技術與灰度共生矩陣

數字圖像處理技術（Digital Image Processing）主要討論用計算機對數字圖像進行去除噪聲、圖像增強、圖像復原、圖像分割、圖像提取特征等處理的加工方法和分析技術。紋理特征是數字圖像處理分析中的常用的重要特征，它描述了數字圖像中重復出現的局部模式以及排列規則，常用于圖像分類和場景識別。本文結合數字圖像處理技術課程與科研實驗的需要，針對圖像灰度共生矩陣紋理二次特征提取問題的需求，本文使用MATLAB語言設計了灰度共生矩陣圖像處理程序，并給出了軟件算法在MATLAB開發平臺上程序的源代碼。

2 灰度共生矩陣MATLAB軟件程序設計

2.1 函數程序和軟件使用方法

軟件主函數為function GLCM_FAST（path_of_image，seq，step， gray_level），其中，Path_of_Image圖像存儲路徑，string格式;Seq批處理圖像序號，Seq=[first last]，first是首圖片編號，last是尾圖片編號;Step灰度共生矩陣生成步長，Step=1、2、3...整數;GRAY_LEVEL圖像灰度級數，GRAY_LEVEL一般取值為16，32，64，128，256;函數返回值為灰度共生矩陣14個特征參數及程序運行時間。

軟件子函數計算θ=0°、45°、90°、135°四個方向灰度共生矩陣函數分別為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已經讀入的圖像數據，Step、GRAY_LEVEL同上。軟件子函數計算灰度共生矩陣14個特征參數函數為function Parameter= Cal_Para（GCLM_P，GRAY_LEVEL），GCLM_P待處理的灰度共生矩陣，其函數返回值為灰度共生矩陣14個特征參數，軟件程序流程圖如圖1所示。

軟件使用方法如下：（1）將文件置于MATLAB軟件默認調用函數目錄中;（2）將待處理圖片，依次按數字編號1，2，3...，修改文件名;（3）打開MATLAB程序，在命令窗口中，分別給Path_of_Image、Seq、Step、GRAY_LEVEL賦初始值;（4）在命令窗口中，輸入“GLCM_FAST（Path_of_Image，Seq，Step，GRAY_LEVEL）;”即可運行程序。待彈出窗口后，程序結束，在命令窗口中，顯示程序運行時間，并將所得特征參數寫到當前目錄下相應的“WH_4_ Angles.txt”、“WH_AVR.txt”和“WH_4_Angles_Gui.txt”等3個數據文件中，分別對應灰度共生矩陣4個方向特征參數值數據文件、4個方向特征參數平均值數據文件和4個方向歸一化后特征參數值數據文件。

2.2 主函數程序程序代碼

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 結語

本文使用MATLAB語言設計了灰度共生矩陣圖像處理及特征提取程序，給出了軟件算法在MATLAB開發平臺上程序的源代碼。該軟件應用于機器視覺、智能控制與模式識別研究領域，獲取已知圖像的灰度圖像共生矩陣，能夠反映圖像灰度關于方向、相鄰間隔、變化幅度的綜合信息。通過灰度共生矩陣可以分析圖像的局部模式和排列規則等。還可以提取其角二階矩、對比度、相關、熵、方差、均值和、方差和、逆差矩、差的方差、和熵、差熵、聚類陰影、顯著聚類和最大概率共14個紋理特征參數。該程序使用靈活，設有6個輸入形式參數，輸入圖像格式兼容范圍廣，輸出為灰度共生矩陣及其特征參數，可以根據需要設置灰度共生矩陣及其特征的獲取參數，以滿足不同需求下的紋理參數獲取。此外，本軟件還可以計算程序執行時間，能夠解決圖像灰度共生矩陣紋理二次特征提取問題的需求，同時能夠滿足數字圖像處理技術課程與科研實驗的需要。

參考文獻

[1] 王輝，白雪冰，丁金華，等.基于貝葉斯理論集成網絡分類器在板材識別中的應用[J].大連工業大學學報，2015，34（3）：231-234.

[2] 蘭蓉，母保洋.二級分區下顏色融合紋理的刑偵圖像檢索[J].計算機應用與軟件，2019，36（8）：181-188.

[3] 蘆兵，孫俊，楊寧，等.基于熒光透射譜和高光譜圖像紋理的茶葉病害預測研究[J].光譜學與光譜分析，2019，39（8）：2515-2521.

[4] 肖志云，劉洪.小波域馬鈴薯典型蟲害圖像特征選擇與識別[J].農業機械學報，2017，48（9）：24-31.

[5] 基于MATLAB語譜圖的聲樂研究[J].軟件工程，2019，22（9）：1-4.