Emgucv不完整图像分割试验(十一)——灰度共生矩阵，纹理特征

Emgucv不完整图像分割试验(三)——纹理+色彩分割 ，https://blog.csdn.net/qq_26996385/article/details/80925802

前文中使用的afrog库升级导致部分功能无法使用。尤其是计算灰度共生矩阵方面。

网搜Accord可搜素C#语言下完整的人工智能类库，afrog已经被吸收进去，参见accord.image

使用时最好从Nuget安装。获取纹理特征的代码十分简洁如下，最后一句是提取灰度共生矩阵（以前是需要GLCM类库单独生成的）：纹理特征向量总共有14个，今日太晚，以后待补。

          // Create a new Haralick extractor:
            Haralick haralick = new Haralick()
            {
                Mode = HaralickMode.AverageWithRange,
                CellSize = 0 // use the entire image
            };
            // Extract the descriptors from the texture image
            List descriptors = haralick.ProcessImage(this.imageBox1.Image.Bitmap);

            // If desired, we can obtain the GLCM for the image:
            GrayLevelCooccurrenceMatrix glcm = haralick.Matrix;

补上：上文取到了14个纹理特征，加上RGB各通道平均分量（色彩分量还可以hsv，lab等等），利用这些特征就能作为输入特征向量用来训练分类。图片量较少，我利用超像素分割将大图分割为N个小图，训练了一张麻将牌“东”，识别了另一张牌“南”，发现效果很好。

超像素分割配合基于纹理+色彩（分割后形状已经失去意义）的分类识别，再根据分类结果合并优化结果，理论上可以做到万物皆可分割了。

 

初开博客，目的是交流与合作，本人QQ：273651820。