ההטמעה הזו מחשבת את 14 מדדי ה-GLCM שהוצעו על ידי Haralick, ו-4 מדדים נוספים מ-Conners. הערכים של הקלט חייבים להיות מספרים שלמים.
הפלט מורכב מ-18 תדרים לכל תדר קלט אם ההחלקה הממוצעת הכיוונית מופעלת, ומ-18 תדרים לכל זוג כיווני בגרעין, אם לא:
ASM: f1, Angular Second Moment; measures the number of repeated pairs
CONTRAST: f2, Contrast; measures the local contrast of an image
CORR: f3, Correlation; measures the correlation between pairs of pixels
VAR: f4, שונות; מדד של מידת הפיזור של התפלגות רמות האפור
IDM: f5, Inverse Difference Moment; measures the homogeneity
SAVG: f6, Sum Average
SVAR: f7, Sum Variance
SENT: f8, Sum Entropy
ENT: f9, Entropy. מדידת הרנדומליות של התפלגות רמות האפור
DVAR: f10, Difference variance
DENT: f11, Difference entropy
IMCORR1: f12, Information Measure of Corr. 1
IMCORR2: f13, Information Measure of Corr. 2
MAXCORR: f14, מקדם המתאם המקסימלי. (לא חושב)
DISS: Dissimilarity
INERTIA: Inertia
SHADE: Cluster Shade
PROM: Cluster prominence
מידע נוסף אפשר למצוא בשני המאמרים הבאים: 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.
| שימוש | החזרות |
|---|---|
Image.glcmTexture(size, kernel, average) | תמונה |
| ארגומנט | סוג | פרטים |
|---|---|---|
זה: image | תמונה | התמונה שעבורה רוצים לחשב את מדדי המרקם. |
size | מספר שלם, ברירת מחדל: 1 | הגודל של השכונה שרוצים לכלול בכל GLCM. |
kernel | ליבה, ברירת מחדל: null | גרעין שמציין את ההיסטים בציר X ובציר Y שעל פיהם יחושבו מטריצות GLCM. מחשבים GLCM לכל פיקסל בליבה שאינו אפס, מלבד הפיקסל המרכזי, ובתנאי שעדיין לא חושב GLCM לאותו כיוון ולאותו מרחק. לדוגמה, אם הוגדר אחד מהפיקסלים המזרחי או המערבי או שניהם, מחושב רק GLCM אחד (אופקי). הסריקה של ליבות מתבצעת משמאל לימין ומלמעלה למטה. ברירת המחדל היא ריבוע בגודל 3x3, וכתוצאה מכך מתקבלים 4 GLCM עם ההיסטים (-1, -1), (0, -1), (1, -1) ו- (-1, 0). |
average | בוליאני, ברירת מחדל: true | אם הערך הוא true, המערכת מחשבת את הממוצע של הטווחים הכיווניים של כל מדד. |