2.2.2. Gray level co-occurrence mat

2.2.2. Gray level co-occurrence matrix (GLCM)
Texture feature calculations use the contents of the GLCM to give a measure of the variation in intensity at a pixel of
interest. First proposed by Haralick et al. [13] in 1973, they characterize the texture using a variety of quantities derived
from second-order image statistics. Co-occurrence texture features are extracted from an image in two steps. First, the
pairwise spatial co-occurrences of pixels separated by a particular angle and distance are tabulated using a gray level
co-occurrence matrix (GLCM). Second, the GLCM is used to compute a set of scalar quantities that characterize different
aspects of the underlying texture. The GLCM is a tabulation of how often different combinations of gray levels co-occur in
an image or image section [13]. The GLCM is an N × N square matrix, where N is the number of different gray levels in an
image. An element p(i, j, d, θ) of a GLCM of an image represents the relative frequency, where i is the gray level of pixel p
at location (x, y) and j is the gray level of a pixel located at a distance d from p in the orientation θ. While GLCMs provide
a quantitative description of a spatial pattern, they are too unwieldy for practical image analysis. Haralick et al. [13] thus
proposed a set of scalar quantities for summarizing the information contained in a GLCM. They originally proposed a total of
14 quantities, or features; however, typically only subsets of these are used [14]. The five GLCM-derived features contrast,
homogeneity, energy, entropy, and correlation are extracted and used in this work.

ผลลัพธ์ (ไทย) 1:

2.2.2. สีเทาเกิดร่วมระดับเมตริกซ์ (GLCM)คำนวณคุณลักษณะเนื้อใช้เนื้อของ GLCM ที่จะให้การวัดการเปลี่ยนแปลงความเข้มที่พิกเซลของดอกเบี้ย พวกเขาแรก เสนอโดย Haralick et al. [13] ใน 1973 ลักษณะพื้นผิวที่ใช้หลากหลายปริมาณมาจากรูปที่สองสั่งสถิติ คุณลักษณะเกิดร่วมพื้นผิวที่สกัดจากภาพในสองขั้นตอน ครั้งแรก การแพร์ไวส์เกิดร่วมปริภูมิของพิกเซลที่แยกจากกัน โดยเป็นมุมเฉพาะ และระยะทางที่สนับสนุนการใช้ระดับสีเทาเกิดร่วมเมตริกซ์ (GLCM) สอง GLCM ที่ใช้คำนวณชุดสเกลาที่แตกต่างกันลักษณะของพื้นผิวพื้นฐาน GLCM เป็น tabulation ชุดบ่อยแตกต่างกันของสีเทาระดับความร่วมมือที่เกิดขึ้นในรูปภาพหรือภาพส่วน [13] GLCM จะเป็น N × N สแควร์เมตริกซ์ โดยที่ N คือ จำนวนของระดับสีเทาแตกต่างกันในการรูปภาพของ P เป็นองค์ประกอบ (ฉัน j, d θ) ได้ของ GLCM ที่เป็นรูปภาพแสดงความถี่สัมพัทธ์ ที่ฉันเป็นระดับสีเทาของพิกเซล pที่ตำแหน่ง (x, y) และเจเป็นระดับสีเทาของพิกเซลอยู่ที่ระยะ d จาก p ในθแนว ในขณะที่ GLCMs ให้คำอธิบายเชิงปริมาณแบบปริภูมิ พวกเขาจะ unwieldy เกินไปสำหรับการวิเคราะห์ภาพการปฏิบัติ Haralick et al. [13] ดังนั้นนำเสนอชุดของสเกลาสำหรับการสรุปข้อมูลในการ GLCM พวกเขานำเสนอเดิมทั้งหมด14 ปริมาณ หรือคุณลักษณะ อย่างไรก็ตาม โดยทั่วไปจะย่อยเหล่านี้ได้ใช้ [14] ความแตกต่างของคุณลักษณะมา GLCM 5homogeneity พลังงาน เอนโทรปี และความสัมพันธ์จะสกัด และใช้ในงานนี้

ผลลัพธ์ (ไทย) 2:

2.2.2 ระดับสีเทาเมทริกซ์ร่วมเกิดขึ้น (GLCM)
คำนวณคุณลักษณะเนื้อใช้เนื้อหาของ GLCM ที่จะให้ตัวชี้วัดของการเปลี่ยนแปลงในความเข้มของพิกเซลที่
น่าสนใจ เสนอครั้งแรกโดย Haralick et al, [13] ในปี 1973 พวกเขาลักษณะพื้นผิวที่ใช้ความหลากหลายของปริมาณที่ได้มา
จากสถิติภาพเมนูที่สอง ร่วมเกิดคุณสมบัติพื้นผิวที่สกัดจากภาพในสองขั้นตอน ครั้งแรกที่
เกิดขึ้นร่วมเชิงพื้นที่จากจำนวนพิกเซลแยกจากกันโดยเฉพาะอย่างยิ่งมุมและระยะทางจะ tabulated ใช้ระดับสีเทา
เมทริกซ์ร่วมเกิดขึ้น (GLCM) ประการที่สอง GLCM จะใช้ในการคำนวณชุดของปริมาณสเกลาร์ที่เป็นลักษณะที่แตกต่างกัน
ในแง่ของพื้นผิวพื้นฐาน GLCM คือการจัดระเบียบของความถี่ที่แตกต่างกันของระดับสีเทาร่วมที่เกิดขึ้นใน
ภาพหรือส่วนภาพ [13] GLCM เป็นเมทริกซ์ N รเอ็นสแควร์ที่ N คือจำนวนของระดับสีเทาที่แตกต่างกันใน
ภาพ องค์ประกอบพี (ฉัน j, D, θ) ของ GLCM ของภาพแสดงให้เห็นถึงความถี่ที่ฉันเป็นระดับสีเทาของพีพิกเซล
ที่สถานที่ (x, y) และเจเป็นระดับสีเทาของพิกเซลอยู่ที่ งระยะทางจากหน้าในการวางแนวทางθ ในขณะที่ GLCMs ให้
คำอธิบายเชิงปริมาณของรูปแบบเชิงพื้นที่ที่พวกเขาจะเทอะทะเกินไปสำหรับการวิเคราะห์ภาพในทางปฏิบัติ Haralick et al, [13] จึง
เสนอชุดของปริมาณสเกลาร์สำหรับการสรุปข้อมูลที่มีอยู่ใน GLCM พวกเขาเดิมที่นำเสนอทั้งหมด
14 ปริมาณหรือคุณลักษณะ; แต่โดยทั่วไปจะมีเพียงส่วนย่อยของเหล่านี้จะใช้ [14] ห้าตรงกันข้ามคุณสมบัติ GLCM ที่ได้มาจาก
ความสม่ำเสมอของพลังงานเอนโทรปีและความสัมพันธ์ที่สกัดและนำมาใช้ในงานนี้

ผลลัพธ์ (ไทย) 3:

2.2.2 . สีเทาระดับการเมทริกซ์ ( glcm )
การคำนวณคุณลักษณะพื้นผิวใช้เนื้อหาของ glcm ให้วัดการเปลี่ยนแปลงในความเข้มที่พิกเซล
สนใจ แรกที่เสนอโดย haralick et al . [ 13 ] ในปี 1973 เขาลักษณะพื้นผิวโดยใช้ความหลากหลายของปริมาณที่ได้จากสถิติ
ภาพที่สอง .โคเนื้อ เกิดคุณลักษณะที่สกัดได้จากภาพในสองขั้นตอน แรก ,
คู่พื้นที่เหตุการณ์ Co ของพิกเซลโดยแยกเป็นมุมเฉพาะระยะทาง วิจัยการใช้สีเทาระดับ
การเมทริกซ์ ( glcm ) ประการที่สอง glcm ใช้คำนวณชุดสเกลาร์ปริมาณที่ลักษณะแตกต่างกัน
ต้นแบบของพื้นผิวการ glcm เป็นตารางความถี่ที่แตกต่างกันของระดับ Co สีเทาเกิดขึ้นใน
ภาพหรือภาพส่วน [ 13 ] การ glcm เป็น n × n ตารางเมทริกซ์โดยที่ n คือหมายเลขของระดับสีเทาที่แตกต่างกันใน
ภาพ องค์ประกอบ p ( I , J , D , θ ) ของ glcm ของภาพที่แสดงถึงความถี่สัมพัทธ์ ที่เป็นระดับของสีเทาพิกเซลที่ตำแหน่ง P
( XY ) และ J เป็นระดับสีเทาของพิกเซลตั้งอยู่ที่ระยะห่างจากจุดในการวางแนวθ . ในขณะที่ glcms ให้
คำอธิบายเชิงปริมาณของรูปแบบเชิงพื้นที่ พวกมันช้าเกินไปสำหรับการวิเคราะห์ภาพในทางปฏิบัติ haralick et al . [ 13 ] ดังนั้น
เสนอชุดของปริมาณสเกลาร์เพื่อสรุปข้อมูลที่มีอยู่ใน glcm . พวกเขาเสนอเดิมทั้งหมดของ
14 ปริมาณหรือคุณลักษณะอย่างไรก็ตาม โดยปกติแล้วเฉพาะชุดย่อยของเหล่านี้จะใช้ [ 14 ] 5 glcm ได้มาคุณสมบัติความคมชัด
เอกพันธ์ , พลังงาน , เอนโทรปี , และความสัมพันธ์ที่ถูกสกัดและใช้ในงานนี้