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

。