import?cv2
import?numpy
import?math

image?=?cv2.imread（‘corn1.jpg‘）
blur?=?cv2.medianBlur（image3）?#中值濾波

gray?=?cv2.cvtColor（blurcv2.COLOR_BGR2GRAY）#灰度化

h?w?=?gray.shape[:2]

gray?=?numpy.insert（graywvalues=gray[:0]axis=1）
h1?w1?=?gray.shape[:2]

#gray?=?numpy.array（gray）
#print（type（gray））
#存放相鄰兩個(gè)灰度值出現(xiàn)的概率
p?=?[[[0?for?col?in?range（16）]?for?row?in?range（16）]?for?k?in?range（4）]

#灰度共生矩陣
CoefficientMat?=?numpy.zeros（[1616]）

#將灰度級(jí)（0255）轉(zhuǎn)為灰度級(jí)為（015）
for?i?in?range（h1）:
????for?j?in?range（w1）:
????????for?n?in?range（16）:
????????????if?（n*16?<=?gray[ij]）?and?（gray[ij]?<=?n*16+15）:
????????????????gray[ij]?=?n

????????if?j?>0?:??#統(tǒng)計(jì)相鄰兩個(gè)灰度出現(xiàn)的頻數(shù)，得到灰度共生矩陣?這里是去0度，即x和y是左右關(guān)系
????????????x?=?gray[ij]
????????????y?=?gray[ij-1]
????????????CoefficientMat[x+1y+1]?=?