如何计算只有一些像素的灰度共生矩阵？

如何解决如何计算只有一些像素的灰度共生矩阵？

我想计算 skimage.feature.texture.greycomatrix()。现在，我使用以下参数进行了尝试：

skimage.feature.texture.greycomatrix(image,[1],[0],levels=256,symmetric=False,normed=False)

但是，我想要做的是只用一些像素来计算这个矩阵。

我有这个面具：

references

而且，我有这张图片：

objects in an array are always references

而且，我只想计算白色蒙版和图片之间的交叉像素。我不想用黑色像素或其他剩余元素来计算蒙版，只用图像的像素与蒙版的白色区域相交，如下所示：

我该怎么做？

解决方法

仅使用 skimage.measure.greycomatrix，我认为您无法实现这一点，因为没有 mask 参数或类似参数。所以，我想，你需要在这里自己构建一些东西。

我的想法是将所有不需要的像素设置为 -1，获得与 (x,y) 偏移量相关的所需对应，过滤掉所有包含至少一个 -1 条目的像素，以及计算所有剩余对应的出现次数。这样，您就忽略了所有包含掩码外像素的对应关系。

举一个简单的例子来说明这一点（参见 skimage.measure.greycomatrix 中的 first example）：

import numpy as np

# https://scikit-image.org/docs/dev/api/skimage.feature.html#greycomatrix
image = np.array([[0,1,1],[0,2,2],[2,3,3]],dtype=np.uint8)
h,w = image.shape

# Set offset and levels (assuming range [0 ... max] here)
x_off,y_off = (1,0)
levels = np.max(image) + 1

# Temporary matrix
temp = -np.ones((h+y_off,w+x_off),int)
temp[:h,:w] = image
temp = temp[y_off:,x_off:]

# Get correspondences
temp = np.vstack([image.flatten(),temp.flatten()]).T

# Filter correspondences with at least one entry -1,and count correspondences
temp = temp[~np.any(temp == -1,axis=1),:]
temp = np.unique(temp,axis=0,return_counts=True)

# Create GLCM
glcm = np.zeros((levels,levels),int)
glcm[temp[0][:,0],temp[0][:,1]] = temp[1]
print(glcm)
# [[2 2 1 0]
#  [0 2 0 0]
#  [0 0 3 1]
#  [0 0 0 1]]

这与skimage.measure.greycomatrix的结果一致。

对于您的实际图像和蒙版，这将是完整代码（抱歉在这里使用 OpenCV；对我来说，原型制作速度更快）：

import cv2
import matplotlib.pyplot as plt
import numpy as np

# Read image and mask
image = cv2.imread('us.png',cv2.IMREAD_GRAYSCALE)[:857,:1211]
mask = cv2.imread('mask.png',:1211]

# Get bounding rectangle,crop image and mask
x,y,w,h = cv2.boundingRect(mask)
image = image[y:y+h,x:x+w]
mask = mask[y:y+h,x:x+w]

# DEBUG: Count non-zero pixels of mask
print('# non-zero pixels mask:',cv2.countNonZero(mask))

# Set all non-masked pixels in image to -1
image = image.astype(int)
image[~mask.astype(bool)] = -1
h,1]] = temp[1]

# DEBUG: Count number of correspondences found in GLCM
print('# correspondences found in GLCM:',np.sum(glcm))

# Some visualization
plt.figure(1,figsize=(8,8))
plt.imshow(glcm,cmap='hot'),plt.colorbar()
plt.tight_layout(),plt.show()

GLCM 太大print，所以情节：

让我们看看额外的 DEBUG 输出：

# non-zero pixels mask: 18636
# correspondences found in GLCM: 18259

您的蒙版中有 18,636 个非零像素，但 GLCM 中只计算了 18,259 个对应项。我还没有把那些像素忽略不计，但对于偏移量 (1,0)，大约 400 的差异似乎是合理的。

----------------------------------------
System information
----------------------------------------
Platform:      Windows-10-10.0.16299-SP0
Python:        3.9.1
PyCharm:       2021.1.1
Matplotlib:    3.4.1
NumPy:         1.20.2
OpenCV:        4.5.1
----------------------------------------