إشعار: يجب
إثبات أهلية جميع المشاريع غير التجارية المسجّلة لاستخدام Earth Engine قبل
15 أبريل 2025 من أجل الحفاظ على إمكانية الوصول إلى Earth Engine.
ee.Image.glcmTexture
تنظيم صفحاتك في مجموعات
يمكنك حفظ المحتوى وتصنيفه حسب إعداداتك المفضّلة.
تحسب مقاييس النسيج من مصفوفة Gray Level Co-occurrence حول كل بكسل من كل نطاق. مصفوفة التلازم الرمادي هي جدول يوضّح عدد المرات التي تحدث فيها مجموعات مختلفة من قيم سطوع البكسل (مستويات الرمادي) في صورة. ويتم احتساب عدد المرات التي تقع فيها بكسل بقيمة X بجانب بكسل بقيمة Y، في اتجاه ومسافة معيّنين، ثم يتم استخلاص الإحصاءات من هذا الجدول.
تحسب عملية التنفيذ هذه مقاييس GLCM الـ 14 التي اقترحها Haralick، و4 مقاييس إضافية من Conners. يجب أن تكون المدخلات قيمًا صحيحة.
يتألف الناتج من 18 نطاقًا لكل نطاق إدخال في حال تفعيل ميزة "الدمج الاتجاهي"، و18 نطاقًا لكل زوج اتجاهي في النواة، وإلا:
ASM: f1، لحظة الزاوية الثانية، تقيس عدد الأزواج المتكرّرة
التباين: f2، التباين، يقيس التباين المحلي للصورة
CORR: f3، الارتباط، يقيس الارتباط بين أزواج البكسل
VAR: f4، التباين، يقيس مدى انتشار توزيع مستويات الرمادي
IDM: f5، مقياس لحظة الفرق العكسي، يقيس التجانس
SAVG: f6, Sum Average
SVAR: f7, Sum Variance
SENT: f8, Sum Entropy
ENT: f9, Entropy. تقيس عشوائية توزيع مستوى الرمادي
DVAR: f10, Difference variance
DENT: f11، إنتروبيا الفرق
IMCORR1: f12, Information Measure of Corr. 1
IMCORR2: f13، مقياس المعلومات للارتباط 2
MAXCORR: f14، معامل الارتباط الأقصى (لم يتم احتسابها)
DISS: Dissimilarity
INERTIA: Inertia
SHADE: Cluster Shade
PROM: بروز المجموعة
يمكنك العثور على مزيد من المعلومات في الورقتَين البحثيتَين: Haralick et. al, 'Textural Features for Image Classification', https://doi.org/10.1109/TSMC.1973.4309314 وConners, et al, Segmentation of a high-resolution urban scene using texture operators', https://sdoi.org/10.1016/0734-189X(84)90197-X.
| الاستخدام | المرتجعات |
|---|
Image.glcmTexture(size, kernel, average) | صورة |
| الوسيطة | النوع | التفاصيل |
|---|
هذا: image | صورة | الصورة التي سيتم احتساب مقاييس الملمس لها |
size | عدد صحيح، القيمة التلقائية: 1 | حجم الحي المطلوب تضمينه في كل مصفوفة GLCM |
kernel | النواة، القيمة التلقائية: null | نواة تحدّد إزاحات x وy التي يتم احتساب مصفوفات GLCM عليها. يتم احتساب مصفوفة GLCM لكل بكسل في النواة غير الصفرية، باستثناء البكسل المركزي وطالما لم يتم احتساب مصفوفة GLCM للاتجاه والمسافة نفسها. على سبيل المثال، إذا تم ضبط أحد البكسلَين الشرقي أو الغربي أو كليهما، سيتم احتساب GLCM واحد فقط (أفقي). يتم فحص النواة من اليسار إلى اليمين ومن الأعلى إلى الأسفل. القيمة التلقائية هي مربّع 3x3، ما يؤدي إلى 4 مصفوفات GLCM مع الإزاحات (-1, -1) و(0, -1) و(1, -1) و (-1, 0). |
average | قيمة منطقية، القيمة التلقائية: true | في حال كانت القيمة صحيحة، يتم حساب متوسط النطاقات الاتجاهية لكل مقياس. |
إنّ محتوى هذه الصفحة مرخّص بموجب ترخيص Creative Commons Attribution 4.0 ما لم يُنصّ على خلاف ذلك، ونماذج الرموز مرخّصة بموجب ترخيص Apache 2.0. للاطّلاع على التفاصيل، يُرجى مراجعة سياسات موقع Google Developers. إنّ Java هي علامة تجارية مسجَّلة لشركة Oracle و/أو شركائها التابعين.
تاريخ التعديل الأخير: 2025-07-26 (حسب التوقيت العالمي المتفَّق عليه)
[null,null,["تاريخ التعديل الأخير: 2025-07-26 (حسب التوقيت العالمي المتفَّق عليه)"],[[["\u003cp\u003eComputes 18 texture metrics, derived from Gray-Level Co-occurrence Matrices (GLCMs), for each band of an image to quantify texture.\u003c/p\u003e\n"],["\u003cp\u003eGLCMs analyze the frequency of pixel brightness value combinations within a specified neighborhood, offering insights into image texture.\u003c/p\u003e\n"],["\u003cp\u003eUsers can customize the neighborhood size and kernel to control the analysis scale and direction, with directional averaging available for output simplification.\u003c/p\u003e\n"],["\u003cp\u003eThe output includes Haralick's 14 GLCM metrics and Conners' 4 additional metrics, providing a comprehensive texture profile.\u003c/p\u003e\n"],["\u003cp\u003eThe provided links to scientific publications offer further details on the underlying theory and calculations of the texture metrics.\u003c/p\u003e\n"]]],["This content describes the computation of texture metrics using the Gray Level Co-occurrence Matrix (GLCM). It calculates 18 metrics, including Angular Second Moment, Contrast, Correlation, and Entropy, among others. The GLCM tabulates pixel brightness combinations within an image, considering direction and distance. Input images must be integer-valued. The `Image.glcmTexture` function takes `size`, `kernel` (pixel offsets), and `average` (directional averaging) as parameters. Output is 18 bands per input band, either averaged or per directional pair in the kernel.\n"],null,["# ee.Image.glcmTexture\n\nComputes texture metrics from the Gray Level Co-occurrence Matrix around each pixel of every band. The GLCM is a tabulation of how often different combinations of pixel brightness values (grey levels) occur in an image. It counts the number of times a pixel of value X lies next to a pixel of value Y, in a particular direction and distance. and then derives statistics from this tabulation.\n\n\u003cbr /\u003e\n\nThis implementation computes the 14 GLCM metrics proposed by Haralick, and 4 additional metrics from Conners. Inputs are required to be integer valued.\n\nThe output consists of 18 bands per input band if directional averaging is on and 18 bands per directional pair in the kernel, if not:\n\nASM: f1, Angular Second Moment; measures the number of repeated pairs\n\nCONTRAST: f2, Contrast; measures the local contrast of an image\n\nCORR: f3, Correlation; measures the correlation between pairs of pixels\n\nVAR: f4, Variance; measures how spread out the distribution of gray-levels is\n\nIDM: f5, Inverse Difference Moment; measures the homogeneity\n\nSAVG: f6, Sum Average\n\nSVAR: f7, Sum Variance\n\nSENT: f8, Sum Entropy\n\nENT: f9, Entropy. Measures the randomness of a gray-level distribution\n\nDVAR: f10, Difference variance\n\nDENT: f11, Difference entropy\n\nIMCORR1: f12, Information Measure of Corr. 1\n\nIMCORR2: f13, Information Measure of Corr. 2\n\nMAXCORR: f14, Max Corr. Coefficient. (not computed)\n\nDISS: Dissimilarity\n\nINERTIA: Inertia\n\nSHADE: Cluster Shade\n\nPROM: Cluster prominence\n\nMore information can be found in the two papers: Haralick et. al, 'Textural Features for Image Classification', https://doi.org/10.1109/TSMC.1973.4309314 and Conners, et al, Segmentation of a high-resolution urban scene using texture operators', https://sdoi.org/10.1016/0734-189X(84)90197-X.\n\n| Usage | Returns |\n|----------------------------------------------------------|---------|\n| Image.glcmTexture`(`*size* `, `*kernel* `, `*average*`)` | Image |\n\n| Argument | Type | Details |\n|---------------|------------------------|-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|\n| this: `image` | Image | The image for which to compute texture metrics. |\n| `size` | Integer, default: 1 | The size of the neighborhood to include in each GLCM. |\n| `kernel` | Kernel, default: null | A kernel specifying the x and y offsets over which to compute the GLCMs. A GLCM is computed for each pixel in the kernel that is non-zero, except the center pixel and as long as a GLCM hasn't already been computed for the same direction and distance. For example, if either or both of the east and west pixels are set, only 1 (horizontal) GLCM is computed. Kernels are scanned from left to right and top to bottom. The default is a 3x3 square, resulting in 4 GLCMs with the offsets (-1, -1), (0, -1), (1, -1) and (-1, 0). |\n| `average` | Boolean, default: true | If true, the directional bands for each metric are averaged. |"]]
