灰度共生矩阵标准化 |
您所在的位置:网站首页 › 灰度值和像素个数 › 灰度共生矩阵标准化 |
灰度共生矩阵标准化
灰度共生矩阵( Gray Level Co-occurrence Matrix , GLCM )是一种常用的图像特征提 取方法。它是通过对图像像素的灰度级别进行统计来描述图像的纹理特征,常用于模式识 别与图像分析领域。在进行 GLCM 计算前,需要对图像进行标准化处理。本文将介绍 GLCM 标准化方法。
GLCM 的计算方法中,像素灰度级别的相对位置对特征提取影响非常大。因此,为了消 除旋转、平移等图像空间变化带来的影响,需要进行标准化处理。
GLCM 标准化的主要方法有两种:零均值单位方差归一化和范围归一化。
一、零均值单位方差归一化
零均值单位方差归一化( Zero-Mean Unit-Variance normalization , ZMUV )是将图像 灰度值归一化为以 0 为均值、 1 为标准差的标准正态分布。具体的计算方法如下:
首先,计算出图像的均值 m 和标准差 s ,公式如下:
m = 1/Nsum(pixel_i)
其中, N 为图像总像素数, pixel_i 表示第 i 个像素的灰度值。
然后,对每个像素进行 ZMUV 处理,公式如下:
最终处理后的灰度值在 0 附近分布,标准差接近 1 。
对于 GLCM 的计算,可以先将灰度矩阵中的像素值进行 ZMUV 处理,再进行灰度共生矩 阵的计算。通过 ZMUV 标准化,可以使得不同图像之间的纹理特征具有可比性,提高了分类 与识别的准确率。
二、范围归一化
范围归一化( Range Normalization )是将图像的灰度值范围映射到 [0,1] 之间的实数 区间内。具体的计算方法如下:
首先,对图像像素值进行 min-max 标准化处理,公式如下:
pixel_i = (pixel_i - min) / (max - min)
其中, min 表示图像像素值的最小值, max 表示图像像素值的最大值。
其中, min_norm 和 max_norm 表示范围归一化后的最小值和最大值,通常情况下, min_norm 为 0 , max_norm 为 1 。
|
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |