名称
cooc_feature_image - 计算共生矩阵并导出其灰度值特征。
用法
cooc_feature_image(Regions, Image : : LdGray, Direction : Energy, Correlation, Homogeneity, Contrast)
描述
cooc_feature_image的调用对应于算子gen_cooc_matrix和cooc_feature_matrix的连续执行。 如果连续评估共生矩阵的几个方向矩阵，则通过gen_cooc_matrix生成矩阵然后调用算子cooc_feature_matrix生成矩阵更为有效。 参数Direction以角度或'mean'方式传输邻域的方向。 在'mean'的情况下，平均值是在所有四个方向上计算的。
注意
请注意，算子cooc_feature_image仅考虑给定的区域，并忽略输入图像Image的任何先前设置的域。
并行
● 多线程类型：可重入（与非独占算子并行运行）。
● 多线程范围：全局（可以从任何线程调用）。
● 在元组级别自动并行化处理。
参数
Regions (input_object) region(-array) → object
要检查的区域。
Image (input_object) singlechannelimage → object (byte)
灰度值图像。
LdGray (input_control) integer → (integer)
要区分的灰度值的数量。
Default value: 6
List of values: 1, 2, 3, 4, 5, 6, 7, 8
Direction (input_control) integer → (integer / string)
矩阵的计算方向。
Default value: 0
List of values: 0, 45, 90, 135, 'mean'
Energy (output_control) real(-array) → (real)
灰度值能量
Correlation (output_control) real(-array) → (real)
灰度值的相关性。
Homogeneity (output_control) real(-array) → (real)
灰度值的局部同质性。
Contrast (output_control) real(-array) → (real)
灰度值对比度。
结果
如果输入具有定义的灰度值（'字节'）的图像并且参数是正确的，则算子cooc_feature_image返回值2（H_MSG_TRUE）。 通过算子set_system（::'no_object_result'，<Result> :)设置空输入情况下的行为（没有可用的输入图像），空区域的行为通过set_system（::'empty_region_result'<结果>:)。 如有必要，会引发异常。
Possible Predecessors
gen_cooc_matrix
Alternatives
cooc_feature_matrix
See also
intensity, min_max_gray, entropy_gray, select_gray
模块
Foundation
HDevelop例程
detect_mura_defects_texture.hdev 检测高度纹理图像中的mura缺陷
cooc_feature_image.hdev 计算基于共生矩阵的纹理特征
classify_wood.hdev 根据其表面纹理对不同种类的木材进行分类