了解灰度共生矩阵（GLCM）的纹理属性

Question

我试图理解来自灰度共现矩阵的纹理属性。因此，我为MNIST测试集，CIFAR10测试集和一组随机噪声集分别计算了10000个样本的相异性，相关性，对比度，均匀性，ASM和能量。我用直方图可视化了所有样本的这些纹理属性（请参见下文）。

为了进行计算，我将skimage软件包用于python。

这是我的代码：

import numpy as np
import matplotlib.pyplot as plt
from skimage.feature import greycomatrix, greycoprops

stats = ["dissimilarity", "correlation", "contrast", "homogeneity", "ASM", "energy"]

def greycomatrix_stats(img):
    glcm = greycomatrix(img, distances=[1], angles=[0], levels=256, symmetric=True, normed=True)
    return [greycoprops(glcm, stats[0])[0,0],\
            greycoprops(glcm, stats[1])[0,0],\
            greycoprops(glcm, stats[2])[0,0],\
            greycoprops(glcm, stats[3])[0,0],\
            greycoprops(glcm, stats[4])[0,0],\
            greycoprops(glcm, stats[5])[0,0]]

I = rgb2gray(load_data())
S = np.zeros((I.shape[0], 6)) 

for k, img in zip(range(I.shape[0]), I):
    S[k,:] = greycomatrix_stats(img)

我用直方图可视化S的三个不同数据集，并得到以下信息：

MNIST：

CIFAR10：

随机噪声：

我的问题是：

• 我正确使用了greycomatrix()吗？
• distances和angles参数代表什么？
• 我可以从有关数据集的直方图中获得哪些信息？
• 最重要的是：各个纹理属性真正告诉我们什么？

我非常感谢任何信息，这些信息可以帮助我更好地理解该技术。谢谢！