簡述
由於紋理是有灰度分佈在空間位置上反覆出現而形成的，因而在圖像空間中相隔某距離的兩像素之間會存在一定的灰度關係，即圖像中灰度的空間相關特性。灰度共生矩陣就是一種通過研究灰度的空間相關特性來描述紋理的常用方法。
計算灰度共生矩陣（GLCM）
GLCM爲圖像I的灰度共生矩陣，它是通過統計灰度i與灰度j在圖像I中的相鄰次數而得到的，記爲GLCM（i，j）。
函數
glcms = graycomatrix(I,param1,val1,param2,val2,...)
灰度共生矩陣有幾個重要的參數，方向，偏移量，階數。
偏移量(offset)：
p行2列的整數矩陣，定義鄰居像素的橫向，縱向距離。
階數(NumLevels)：
一個整數，代表是將圖像中的灰度歸一範圍。舉例來說，如果NumLevels爲8，意思就是將圖像I的灰度映射到1到8之間，它也決定了灰度共生矩陣的大小。
灰度界限（GrayLimits）：
爲二元向量[low high]。灰度值小於等於low 時對應1，大於等於high時對應於灰度級。如果參數設爲[]，則共生矩陣使用圖像的最小和最大灰度值作爲界限，即[min(I(:)) max(I(:))]。
灰度共生矩陣構建統計紋理特徵
Haralick提出了14中基於灰度共生矩陣計算出的統計量：能量、熵、對比度、均勻性、相關性、方差、和平均、和方差、和熵、差方差、差平均、差熵、相關信息測度、最大相關係數。
能量：
是灰度共生矩陣各元素值的平方和，是對圖像紋理的灰度變化穩定程度的度量，反應了圖像灰度分佈均勻程度和紋理粗細度。能量值大表明當前紋理是一種規則變化較爲穩定的紋理。
熵：
是圖像包含信息量的隨機性度量。當共生矩陣中所有值均相等或者像素值表現出最大的隨機性時，熵最大；因此熵值表明了圖像灰度分佈的複雜程度，熵值越大，圖像越複雜。
對比度：
度量矩陣的值是如何分佈和圖像中局部變化的多少，反應了圖像的清晰度和紋理的溝紋深淺。紋理的溝紋越深，反差越大，效果清晰；反之，對比值小，則溝紋淺，效果模糊。
相關性：
也稱爲同質性，用來度量圖像的灰度級在行或列方向上的相似程度，因此值的大小反應了局部灰度相關性，值越大，相關性也越大。