Question

我正在尝试基于从GLCM中提取的特征构建图像分类模型。我想掩盖一些图像以改善模型，当然我不希望GLCM考虑这些像素。基于以下post，我已经实施并进行了测试，以确保GLCM对于遮罩图像可以正常工作：

1）拍摄图像并创建裁剪的版本和蒙版（以与裁剪相同的像素）。

2）将图像转换为int32类型，并执行以下操作：

{{1}}

因此，在此测试中，如果GLCM不受蒙版像素的影响，我希望对于蒙版和裁切图像，它都是相同的矩阵。但实际上，矩阵是不同的。

我对GLCM如何工作的理解正确吗？从理论上讲，这两个矩阵应该相等吗？

Answer 1

让我们慢慢看一下代码。首先，我们导入必要的模块，加载类型为np.int32的图像，并将图像中所有像素的像素强度增加1：

import numpy as np
from skimage import data
from skimage.feature import greycomatrix

img = data.astronaut().astype(np.int32) + 1

然后我们定义图像的形状和强度级别的数量：

rows, cols, _ = img.shape
levels = 256

现在，我们裁剪图像的蓝色通道，以便仅保留左半部分：

crop_img = img[:, :cols//2, 2]

图像蓝色通道的右半部分被这样屏蔽：

mask_img = img[:, :, 2].copy()
mask_img[:, cols//2:] = 0

对于此示例，包装GLCM计算很方便：

def glcm_wrapper(arr):
    glcm = greycomatrix(arr, levels=levels+1, distances=[1], angles=[0])
    return np.squeeze(glcm)[1:, 1:]

我们准备检查通过两种方法获得的GLCM是否相同：

glcm_crop = glcm_wrapper(crop_img)
glcm_mask = glcm_wrapper(mask_img)

print(np.array_equal(glcm_crop, glcm_mask))

如果运行以上所有代码段，您将得到True。

请务必注意，如果将参数normed=True传递给greycomatrix，则生成的GLCM会有所不同。如果要对矩阵进行归一化，则必须在删除第一行和第一列后对GLCM进行归一化。试试这个说服自己：

glcm_crop = glcm_crop/glcm_crop.sum()
glcm_mask = glcm_mask/glcm_mask.sum()
print(np.allclose(glcm_crop, glcm_mask))