Halcon计算共生矩阵并导出其灰度值特征
cooc_feature_image 算子的作用与前面介绍的两个算子相似，不同的是输出形式。使用该算子类似于连续执行gen_cooc_matrix算子和cooc_feature_matrix算子。简言之，该算子用一步操作代替了上文中生成矩阵和输出矩阵这两步操作。
但是，如果某些情况下需要连续评估多个方向的灰度共生矩阵，还是通过gen_cooc matrix 算子生成矩阵然后调用cooc_feature_matrix 算子计算纹理图像的特征更为有效。这里参数Direction多了一种选择—mean，这种方式表示在方向为mean的情况下，灰度值取的是在相邻4个方向上的灰度均值。该算子的原型如下:
cooc_feature_image (Regions, Image : : IdGray, Direction: Energy, Correlation, Homogeneity, Contrast)
该算子的参数与cooc_feature_matrix算子的参数类似，各参数含义如下。
参数1：Regions（输入参数），表示要检查的区域。
参数2：Image（输入参数），表示灰度值图像。
参数3：LdGray（输入参数），表示要区分的灰度值的层级数。默认为6，还可以选择1、2、3、4、5、7、8。
参数4：Direction（输入参数），表示相邻灰度对的计算方向。默认为0，还可以选择45、90、135、mean，其中mean 表示各方向的均值。
参数5：Energy（输出参数），表示灰度值能量，即纹理变化的均匀性。
参数6：Correlation（输出参数），表示灰度值的相关性。
参数7：Homogeneity（输出参数），表示灰度值的局部同质性。
参数8：Contrast（输出参数），表示灰度值的对比度，或者说是灰度值的反差。这个值越大，反差越明显。
原文地址:https://blog.csdn.net/fallingleafgrief/article/details/135537179
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如若转载，请注明出处：http://www.7code.cn/show_55342.html
如若内容造成侵权/违法违规/事实不符，请联系代码007邮箱：suwngjj01@126.com进行投诉反馈，一经查实，立即删除！
