灰度图像的直方图参数提取代码

程序提取了很多直方图所需要的参数特征，如均值、方差、偏度、峰度、能量和熵。

function stats = chip_histogram_features（ varargin ）
% ------------
% Description:
% ------------
%  This function is to obtain state of the art histogram based features
% such as:
%   Mean
%   Variance
%   Skewness
%   Kurtosis
%   Energy
%   Entropy
% ---------
% History:
% ---------
% Creation: beta         Date: 09/11/2007
%----------
% Example:
%----------
% Stats = chip_histogram_features（ I‘NumLevels‘9‘G‘[] ）
%
% -----------
% Author:
% -----------
%    （C）Xunkai Wei 
%    Beijing Aeronautical Technology Research Center
%    Beijing %9203-1210076
%

% Parameter checking
[I NL GL] = ParseInputs（varargin{:}）;
% Scale I so that it contains integers between 1 and NL.
if GL（2） == GL（1）
    SI = ones（size（I））;
else
    slope = （NL-1） / （GL（2） - GL（1））;
    intercept = 1 - （slope*（GL（1）））;
    SI = round（imlincomb（slopeIintercept‘double‘））;
end
% Clip values if user had a value that is outside of the range e.g. double
% image = [0 .5 2;0 1 1]; 2 is outside of [01]. The order of the following
% lines matters in the event that NL = 0.
SI（SI > NL） = NL;
SI（SI < 1） = 1;
%--------------------------------------------------------------------------
% 1. Calculate histogram for all scaled gray level from 1 to NL
%--------------------------------------------------------------------------
% Get image size
s = size（SI）;
% Generate gray level vector
Gray_vector = 1:NL;
% intialize parameters
Histogram = zeros（1NL）;
% Using inline function numel make it easy
for i =1:NL
    Histogram（i） = numel（find（SI==i））;
end
%--------------------------------------------------------------------------
% 2. Now calculate its histogram statistics
%--------------------------------------------------------------------------
% Calculate obtains the approximate probability density of occurrence of the intensity
% levels
Prob                = Histogram./（s（1）*s（2））;
% 2.1 Mean 
Mean                = sum（Prob.*Gray_vector）;
% 2.2 Variance
Variance            = sum（Prob.*（Gray_vector-Mean）.^2）;
% 2.3 Skewness
Skewness            = calculateSkewness（Gray_vectorProbMeanVariance）;
% 2.4 Kurtosis
Kurtosis            = calculateKurtosis（Gray_vectorProbMeanVariance）;
% 2.5 Energy
Energy              = sum（Prob.*Prob）;
% 2.6 Entropy
Entropy             = -sum（Prob.*log（Prob））;
%-------------------------------------------------------------------------
% 3. Insert all features and return
%--------------------------------------------------------------------------
stats =[Mean Variance Skewness Kurtosis  Energy  Entropy];
% End of funtion
%--------------------------------------------------------------------------
% Utility functions
%--------------------------------------------------------------------------
function Skewness = calculateSkewness（Gray_vectorProbMeanVariance）
% Calculate Skewness
term1    = Prob.*（Gray_vector-Mean）.^3;
term2    = sqrt（Variance）;
Skewness = term2^（-3）*sum（term1）;

function Kurtosis = calculateKurtosis（Gray_vectorProbMe

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       5427  2008-09-16 21:24  chip_histogram_features.m

----------- ---------  ---------- -----  ----

                 5427                    1