问题标签 [glcm]

我正在使用 glcm 方法进行特征提取。glcm 输出是“结构”类型，而我需要双精度类型的输出。

因此，我尝试使用下面显示的几个代码对其进行转换。

获取 Fetest1 代码：

获取 Fetrain1 代码：

整个过程的输出是 fetrain1 和 fetest1 变量。我运行相同的代码来获取 fetest1 和 fetrain1，但 fetest1 是“双”类型，而 fetrain 是“复双”类型。

和

我需要将 fetrain1 从 'complex double' 类型转换为 'double' 类型，以便下一步使用该变量。使用神经网络方法的训练步骤。

任何建议将不胜感激。

我正在研究阿拉伯字符的 OCR。我想尝试 glcm 作为特征提取方法。我在这里有代码：http: //www.mathworks.com/matlabcentral/fileexchange/22187-glcm-texture-features

输入图像（字符图像）示例：

我已经编写了一个代码来根据需要的功能获取 GLCM 输出。这里是：

使用循环获取所有图像的特征（数据训练）：

我有这些功能。

然后使用神经网络运行训练过程，但我得到的准确率非常低。这是代码：

我试了几次，但准确率（NN测试结果）没有提高。它持续提供 1.96% 的输出。流程是否有问题，或者我制作的代码有问题？

任何帮助都会非常有帮助和感激

我在理解skimage 中的angle参数时遇到了一些麻烦。greycomatrix在文档中提到的为向右和向上的像素计算 GLCM 的示例中，他们提到了 4 个角度。他们得到 4 个 GLCM。

向右和向下像素的参数应该是什么？

我正在尝试使用 skimage 库查找图像greycomatrix的GLCM。我在选择级别时遇到问题。既然是 8 位图像，那么明显的选择应该是 256；但是，如果我选择诸如 8 之类的值（为了分箱和防止形成稀疏矩阵），我就会出错。

问题：

• 有谁知道为什么？
• 谁能提出将这些值合并为 8x8 矩阵而不是 256x256 矩阵的任何想法？

我正在处理 6641x2720 图像以使用移动的 GLCM（灰度共现矩阵）窗口生成其特征图像（Haralick 特征，如对比度、二阶矩等）。但它需要永远运行。该代码工作正常，因为我已经在较小的图像上对其进行了测试。但是，我需要让它运行得更快。将尺寸减小到 25% (1661x680) 需要30 分钟才能运行。我怎样才能让它运行得更快？这是代码：

我尝试使用来自维基百科的公式来实现 GLCM 方法，但由于 matlab 的索引问题，我无法填充我的 GLCM。

我还使用 NitdepthQuantisation 来减少灰度级的数量，但现在我使用完整的 8 位。

从我选择的 MRI 图像中，我有一个不规则的感兴趣区域。我想使用skimage.feature.greycomatrix库对图像进行共现分析。但是，我的 ROI 形状不规则。在图像的 numpy 数组中保留 0 会导致不正确的灰色共现分析，我已将它们设为 0 NaN。但是，无法使用'sgreycomatrix分析 numpy 数组。NaN有没有人遇到过这个问题或有解决方案？

我一直在使用 skimage 的 SLIC 实现来分割超像素中的图像。我想使用 GLCM 从这些超像素中提取额外的特征来解决分类问题。这些超像素不是矩形的。在 MATLAB 中，您可以将像素设置为 NaN，算法将忽略它们（链接）。我可以使用它在超像素周围制作边界框，然后将未使用的像素设置为 NaN。

然而，skimage 中的graycomatrix函数的工作方式与 MATLAB 实现并不完全相同。将像素设置为 NaN 时，该函数无法通过断言检查所有值是否大于 0。

是否有可以使用非矩形 ROI 的 Python 实现？

我正在使用skimage库进行大部分图像分析工作。

我有一个 RGB 图像，我打算从图像中提取、和等texture特征。entropyenergyhomogeneitycontrast

以下是我正在执行的步骤：

我的问题是，从灰度图像（直接）计算的熵是否与从 GLCM（纹理特征）中提取的熵特征相同？

如果不是，从图像中提取所有纹理特征的正确方法是什么？

注：我已经提到过：

熵 - skimage

GLCM - 纹理特征

有一种纹理特征称为GLGCM（基于灰度梯度的共现矩阵），它捕获有关不同图像梯度如何相互共现的信息。

GLGCM不同于普通的GLCM。

谁能帮我在Python中找到 GLGCM 的实现？