这些统计特征分别表示为：

1)能量（energy）：

能量是统计灰度共生矩阵中所有元素的平方和，又称为角二阶矩，是纹理一致性的统计 量。它反映了图像分布的均匀程度和纹理粗细度。共生矩阵的值分布越均匀，则能量越小； 相反，共生矩阵的值中出现极大值，则能量越大。

2)对比度（contrast）：

对比度是纹理反差的统计量，反映了图像的清晰度和纹理沟纹的深浅。纹理沟纹越深， 对比越大，视觉效果越清晰；相反，当对比度越小，则灰度共生阵在主对角线上的值越大时，

视觉效果越模糊。

3)一致性（homogenity）：

一致性又称为逆差距，反映了图像纹理的一致性，是度量图像纹理局部变化的统计量。 当非零值集中在对角线上，其一致性较大。

4)熵（entropy）：

熵描述了图像中平均信息量的多少，是度量灰度分布随机性的统计参数，表示了图像纹 理的非均匀程度。当图像中没有任何纹理特征时，灰度共生矩阵所有值基本为零，熵也接近 为零，当图像中充满细纹理时，当人群密度较高时，熵会比较大，当图像中分布着少量细纹 理，熵比较小。来~自,优^尔-论;文*网www.youerw.com +QQ752018766-

2。2 灰度共生矩阵的计算

如图 2-2 是提取灰度共生矩阵特征值的流程图，其主要步骤为：

Step1，参数初始化，主要完成了像元距离，计算方向和灰度等级的设定，读入了掩模中 图像窗口的位置信息；

Step2，读入图像，根据参数中灰度等级的情况，对图片进行灰度压缩。 Step3，据计算方向的数量和灰度等级申请一个二维数组空间，假设计算方向数量是 n ，

灰度等级为 l ，则应该申请一个 uchar 型，大小为nl l 的二维数组。

Step4，分别计算每个方向的灰度共生矩阵。在得到灰度共生阵之后，根据上节所述的公 式计算所有方向，然后取各个方向的特征值的平均值作为最终结果

Step5，输出数据。由于需要对计算的图像块手动统计人数来作为训练样本或者验证集提 供给回归程序，因此调用 OpenCV 中的 FileStorage 类将数据结构输出到 yaml 文件，基本形 式为[类别]：[数量]。一个数据文件代表一张图像，其中第一行数据为文件格式类别，第二行 为数据的名称，第三行为图像中总人数，第四行为图像中计算的图像块的数量，然后是存储 每个图像块数据的节点，每个数据节点中包含图像块序号，能量，熵，对比度，一致性和图 像块的人数总共六类数据，都以基本形式输出。文件格式如下：