graycoprops 灰度共生矩陣的屬性
1、語法
stats = graycoprops(glcm, properties)
2、描述
stats = greycoprops（glcm，properties）計算灰度共生矩陣glcm在屬性中指定的統計量。 glcm是m*n*p的有效的灰度共生矩陣。 如果glcm是GLCM的矩陣，則stats是每個glcm的矩陣。
graycoprops對灰度共生矩陣（GLCM）進行歸一化，使得其元素的和等於1。歸一化GLCM中的每個元素（r，c）是具有定義的空間關係的像素對，r和c在圖像中的出現概率。 graycoprops使用歸一化GLCM來計算屬性。
屬性（properties）可以是逗號分隔的字符串列表，包含字符串的單元格數組，字符串“all”或空格分隔的字符串。 屬性名稱可以縮寫，不區分大小寫。
計算出的特徵值 (MATLAB計算好的，不用自己計算！)
1、 ‘Contrast’
一般翻譯爲對比度、反差。描述：返回整個圖像之間的像素與其相鄰像素之間的強度對比度的測量值。取值範圍是【0,（glcm行數-1）^2】，如果圖像是個常量，則對比度爲0。公式爲
理解公式： i和j分別代表不同的像素，差值代表不同像素的差異大小，取平方爲正數，可以累和，乘以相應的差異出現的概率，即可代表不同像素的差異大小。
2、‘Correlation’
一般翻譯爲互相關。描述：返回像素與其相鄰像素關係的度量值。範圍= [-1 1]。對於一個完全正或負相關的圖像，相關性爲1或-1。對於常量圖像，相關性爲NaN。值的大小反應了局部灰度相關性，值越大，相關性也越大。公式爲
或
公式理解：不太好理解
3、‘Energy’
能量 也叫角二階矩 返回GLCM中元素的平方和。範圍= [0 1]。Energy爲1是constant image。 公式爲
理解：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。（考慮極限，如果灰度處處相同，則energy爲1，即能量值大表明當前紋理是一種規則變化較爲穩定的紋理。）
4、‘Homogeneity’
均質性、逆差分矩、反差分矩Inverse Differential Moment, IDM。返回一個值，它測量GLCM中元素分佈與GLCM對角線的接近程度。範圍= [0 1]。對角GLCM的均勻度爲1。公式爲：
理解：主要度量圖像紋理分佈的均勻程度。均質性小則紋理在局部分佈不均勻,局部變化大,紋理平滑性差,圖像分辨率較高,圖像清晰;均質性大則紋理局部分佈較均勻,變化小，平滑性好,圖像分辨率低,圖像模糊。
stats是一個由屬性區域塊組成結構體。 每個區域塊包含一個1×p陣列，其中p是GLCM中的灰度共生矩陣的數目。 例如，如果GLCM是一個8 x 8 x 3的數組，並且屬性是“能量”，那麼統計數據就是一個包含1×3陣列的能量的結構體。
注意：能量也稱爲均勻性，能量均勻性和角二階矩。對比度也稱爲方差和慣性。
例子
glcm可以是邏輯或數字的，它必須是實數，非負的，有限的整數。 stats是一個結構體
1、GLCM = [0 1 2 3;1 1 2 3;1 0 2 0;0 0 0 3];
stats = graycoprops(GLCM)
2、I = imread('circuit.tif');
GLCM2 = graycomatrix(I,'Offset',[2 0;0 2]);
stats = graycoprops(GLCM2,{'contrast','homogeneity'})