参考链接

1、《基于LBP纹理特征计算GLCM的纹理特征统计量+SVM/RF识别纹理图片》
2、《 graycomatrix 计算(图像)灰度共生矩阵(CLCM)——matlab相关函数说明，很详细》

1、Matlab函数说明：graycomatrix

1.1 灰度共生矩阵的理解

灰度共生矩阵是描述图像纹理特征的一种重要方法，是像素距离和角度的矩阵函数。

它通过计算图像中一定距离和方向的两点灰度之间的相关性，反映图像在方向、间隔、变化幅度及快慢上的综合信息。

对于灰度共生矩阵的理解，需要明确几个概念：方向，偏移量和灰度共生矩阵的阶数。
（1）方向：一般计算过程会分别选在几个不同的方向来进行，常规的是水平方向0°，垂直90°，以及45°和135°；
（2）步距d：中心像元；
（3）灰度共生矩阵的阶数：与灰度图像灰度值的阶数相同，即当灰度图像灰度值阶数为N时，灰度共生矩阵为N × N的矩阵；

1.2 函数用法

（1）glcm = graycomatrix(I)
（2）glcms = graycomatrix(I,param1,val1,param2,val2,…)
(3)[glcms,SI] = graycomatrix(…)

1.3 函数描述

graycomatrix( ) 先将图像 I 归一化到指定的灰度级，再计算GLCM。

如果I是一个二值图像，那么灰度共生矩阵就将图像转换到二值灰度级（黑和白）。
如果I是一个灰度图像，那将转换到8灰度级(默认)。

灰度的级数决定了GLCM的大小尺寸，假设灰度级为N，则GLCM的尺寸是N × N。你可以通过设定参数“NumLevels”来指定灰度级数目，还可以通过设置“GrayLimits"参数来设置灰度共生矩阵的转换方式。

（1）glcms = graycomatrix(I) 产生图像I的灰度共生矩阵GLCM。
它是通过计算两灰度值 i，j 在图像 I 中水平相邻的次数而得到的 (你也可以通过调整’ Offsets’ 参数来指定其它的像素空间关系），GLCM中的每一个元素（i，j）代表灰度 i 与灰度 j 在图像 I 中水平相邻的次数。

（2）glcms = graycomatrix(I,param1,val1,param2,val2,…) 返回一个或多个灰度灰度共生矩阵，根据指定的参数对的值。参数可以简写，并且对大小写不敏感。

1.4 参数解释

（1）输入图片的类型
图片 I 可以是数字型或逻辑型，但必须是二维的，实数的，非稀疏的矩阵。SI是一个double型矩阵，它和I的尺寸相同。

（2）偏移量
’Offset’ 一个p*2的整数矩阵，指定了感兴趣像素对之间的距离和方向。

矩阵中的每一行是一个两元素的向量，[row_offset , col_offset]，它指定了一对像素之间的关系，或者说是位移。row_offset是感兴趣像素对间隔的行的数目；col_offset是感兴趣像素对间隔的列的数目。offset通常表示一个角度，下面列写的offset的值指定了常见角度。D代表是当前像素与邻居的距离（通常取1）。

Angle	Offset
0	[0 D]
45	[-D D]
90	[-D 0]
135	[-D -D]

eg:下图说明了数组：offset = [0 1; -1 1; -1 0; -1 -1]
在这里插入图片描述
（3）返回值
glcms 是一个 ‘NumLevels’ x ‘NumLevels’ x P 的 double 型矩阵，P 是 offsets 的数目 (即 ‘Offset’ 参数值的列数)。

2、函数实现

以两种花为例：
flower5: flower1
flower24: flower2
flower5代码：（这里只求取了对比度、逆差矩、相关、熵）

I = imread('C:\pictures\flw\flower5.jpg'); % 输入RGB图像
    I=rgb2gray(I); % 转化为灰度图像
    GLCM = graycomatrix(I,'Offset',[1 0;0 1]); % angle角度，offset偏移量
    stats = graycoprops(GLCM,{'contrast','homogeneity','correlation','energy'});

flower5运行结果：
在这里插入图片描述

flower24运行结果：

结果表明，纹理不同，灰度共生矩阵的结果不同。

灰度差越大，对比度越大；矩阵像素值相差很大，相关值小；纹理细，能量小；纹理复杂，熵值越大；

另一段代码附上（将四个方向的灰度共生矩阵分别求出来）

  I3 = imread('C:\Pictures1\Hail\2.jpg');
  image=rgb2gray(I3);
  
  glcm = graycomatrix(image, 'Offset', [0,1]); % 灰度共生矩阵
  stats = graycoprops(glcm); % stats = greycoprops（glcm，properties）计算灰度共生矩阵glcm在属性中指定的统计量，stats表示检验回归模型的统计量
    
    glcm45 = graycomatrix(image, 'Offset', [-1,1]);
    stats45 = graycoprops(glcm45);
    
    glcm90 = graycomatrix(image, 'Offset', [-1,0]);
    stats90 = graycoprops(glcm90);
    
    glcm135 = graycomatrix(image, 'Offset', [-1,-1]);
    stats135 = graycoprops(glcm135);
    
    stats7x4 = [stats.Contrast stats.Correlation stats.Energy stats.Homogeneity;
        stats45.Contrast stats45.Correlation stats45.Energy stats45.Homogeneity;
        stats90.Contrast stats90.Correlation stats90.Energy stats90.Homogeneity;
        stats135.Contrast stats135.Correlation stats135.Energy stats135.Homogeneity];