一、前言
在图像处理领域，纹理特征是描述图像像素灰度空间分布规律的核心特征之一，广泛应用于、图像分类、医学影像分析、工业检测等场景。
灰度共生矩阵（GLCM）是提取纹理特征的经典方法，通过统计图像中不同位置像素对的灰度出现规律，量化图像的纹理粗糙程度、均匀性等特性。MATLAB 提供了graycomatrix（生成 GLCM）和graycoprops（提取纹理特征）两个核心函数，零基础也能快速实现纹理特征提取。
本文结合完整可运行代码，讲解 GLCM 原理、函数用法、纹理特征含义，帮你掌握 MATLAB 纹理特征提取流程。
二、核心知识点铺垫
1. 什么是灰度共生矩阵（GLCM）？
灰度共生矩阵描述图像中两个像素的空间位置关系与灰度关系：
- 定义两个像素的距离和方向（0°、45°、90°、135°）
- 统计满足条件的像素对，其灰度值
(i,j)出现的次数 / 概率 - 最终生成一个
N×N矩阵（N 为灰度级数），矩阵值代表对应灰度像素对的共生频率
简单说：GLCM 就是图像纹理的 “数字指纹”。
2. 四大核心纹理特征（graycoprops 输出）
graycoprops默认提取 4 个最常用的纹理特征，含义通俗易懂：
- 对比度（Contrast）：衡量图像局部灰度差异，值越大，纹理越清晰、反差越大
- 相关性（Correlation）：衡量像素间的线性相关程度，值越大，纹理越规律
- 能量（Energy）：又称角二阶矩，衡量图像纹理均匀性，值越大，纹理越单一、均匀
- 同质性（Homogeneity）：衡量纹理局部均匀程度，值越大，图像越平滑
graycomatrix和graycoprops详细用法在MATALB命令提示符下可以使用doc graycomatrix 和doc graycoprops进行获得。
三、程序代码和运行结果
clear all; %清除工作区中的所有变量、函数、MEX文件等
close all;%关闭所有打开的图形窗口（figure窗口）
clc; %清除命令窗口（Command Window）中的所有输出，使窗口变干净
I = imread('circuit.tif');
% 若图像为彩色，则转换为灰度图；若已是灰度则保持不变
if size(I, 3) == 3
I = rgb2gray(I);
end
% 显示原始图像
figure;
subplot(2,2,1);
imshow(I);
title('原始灰度图像');
%% 2. 计算灰度共生矩阵（GLCM）
% 参数说明：
% 'Offset'：定义像素对的方向和距离。默认[0 1]表示水平向右，距离1像素。
% 为获取更全面的纹理，可计算多个方向，本例仅用一个方向演示。
% 'NumLevels'：灰度级数，值越小计算越快，但可能损失细节。默认8，这里保持8。
% 'Symmetric'：是否对称化GLCM（使矩阵对称），便于特征提取。
offsets = [0 1]; % 0度方向，距离1
GLCM = graycomatrix(I, 'Offset', offsets, 'NumLevels', 8, 'Symmetric', true);
%% 3. 从GLCM中计算纹理特征
% graycoprops函数计算对比度、相关性、能量、同质性
stats = graycoprops(GLCM, {'Contrast', 'Correlation', 'Energy', 'Homogeneity'});
% 提取特征值（由于只有一个偏移，stats内各字段均为标量）
contrast = stats.Contrast;
correlation= stats.Correlation;
energy = stats.Energy;
homogeneity= stats.Homogeneity;
%% 4. 显示GLCM矩阵及纹理特征结果
subplot(2,2,2);
imagesc(GLCM);
title('灰度共生矩阵 (GLCM)');
colorbar;
axis square;
xlabel('灰度级 j');
ylabel('灰度级 i');
% 在文本框中显示特征值
subplot(2,2,[3,4]);
text_str = {
sprintf('对比度 (Contrast) : %.4f', contrast);
sprintf('相关性 (Correlation) : %.4f', correlation);
sprintf('能量 (Energy) : %.4f', energy);
sprintf('同质性 (Homogeneity) : %.4f', homogeneity);
};
text(0.1, 0.8, text_str, 'FontSize', 12, 'FontName', 'FixedWidth');
axis off;
title('纹理特征值 (Offset = [0 1], NumLevels = 8)');
%% 5. 补充：不同方向GLCM的特征对比（可选）
% 计算 0°, 45°, 90°, 135° 四个方向的GLCM，并观察纹理特征变化
offsets_multi = [0 1; -1 1; -1 0; -1 -1];
GLCM_multi = graycomatrix(I, 'Offset', offsets_multi, 'NumLevels', 8, 'Symmetric', true);
stats_multi = graycoprops(GLCM_multi, {'Contrast', 'Correlation', 'Energy', 'Homogeneity'});
% 显示多方向结果
fprintf('\n多方向纹理特征（四个方向取平均）:\n');
fprintf('对比度平均: %.4f\n', mean(stats_multi.Contrast));
fprintf('相关性平均: %.4f\n', mean(stats_multi.Correlation));
fprintf('能量平均 : %.4f\n', mean(stats_multi.Energy));
fprintf('同质性平均: %.4f\n', mean(stats_multi.Homogeneity));
