4050. L1-GLCM

第九届“中国高校计算机大赛-团体程序设计天梯赛”校内选拔赛

---

GLCM

时间限制: 1s内存限制：256MB

题目描述

GLCM（Gray-Level Co-occurrence Matrix，灰度共生矩阵）是图像处理和分析中常用的特征提取方法之一。GLCM 用于描述图像中像素之间的灰度级别关系，通过统计图像中每对像素在特定方向上的出现次数来构建一个共生矩阵。这个共生矩阵可以提供关于图像纹理、对比度、方向等方面的信息。

在 GLCM 中，通常会定义一些参数，包括灰度级别的数量、灰度值的偏移方向（通常为水平、垂直、对角线等）、以及距离等。通过对图像进行灰度级别量化，然后计算共生矩阵中每个元素的值，可以得到描述图像纹理特征的信息。

基于 GLCM，可以计算出多种纹理特征，比如能量（Energy）、对比度（Contrast）、相关性（Correlation）、均匀度（Homogeneity）等。这些特征可以用于图像分类、目标识别、缺陷检测等领域。

如上图所示为0°，1距离GLCM的计算示意。0°方向即水平方向，水平方向上相邻两个像素的灰度在整个图片中出现的次数通过统计得到0°方向的GLCM，其中（1，1）相邻的像素只出现了一次，所以在第一行第一列的数字为1。而（1，2）相邻的像素出现了两次，所以第一行第二列的数字为2。另外，45°，90°或135°的统计方式是类似的，只不过相邻像素的定义变成了斜对角以及垂直。（此段文字与上图来源于灰度共生矩阵 GLCM 纹理分析（Gray-level Co-occurrence Matrix） - 知乎 (zhihu.com)）

输入格式

第一行输入 N(5<=N<=100) 代表矩阵的行列数 接下来 N 行输入待处理矩阵 输入数字范围在 1-255

输出格式

输出输入矩阵的顺针90 °，2距离的GLCM 请注意GLCM的行列数

输入样例

5
1 1 1 1 1
2 2 2 2 2
3 3 3 3 3
4 4 4 4 4
5 5 5 5 5

输出样例

0 0 5 0 0 
0 0 0 5 0 
0 0 0 0 5 
0 0 0 0 0 
0 0 0 0 0 

难度等级：	0
总通过次数：	33
总提交次数：	187