从图像的GLCM计算熵

Question

我正在使用skimage库进行大多数图像分析工作。

我有一个RGB图像，我打算从图像中提取texture功能，如entropy，energy，homogeneity和contrast。

下面是我正在执行的步骤：

from skimage import io, color, feature
from skimage.filters import rank
rgbImg = io.imread(imgFlNm)
grayImg = color.rgb2gray(rgbImg)
print(grayImg.shape)  # (667,1000), a 2 dimensional grayscale image

glcm = feature.greycomatrix(grayImg, [1], [0, np.pi/4, np.pi/2, 3*np.pi/4])
print(glcm.shape) # (256, 256, 1, 4)

rank.entropy(glcm, disk(5)) # throws an error since entropy expects a 2-D array in its arguments

rank.entropy(grayImg, disk(5)) # given an output.

我的问题是，从灰度图像(直接)计算的熵是否与从GLCM (纹理特征)提取的熵特征相同？

如果没有，从图像中提取所有纹理特征的正确方法是什么？

注意:我已经提到：

Entropy - skimage

GLCM - Texture features

Answer 1

from skimage.feature import greycomatrix, greycoprops

    dis = (greycoprops(glcm, 'dissimilarity'))
    plt.hist(dis.ravel(), normed=True, bins=256, range=(0, 30),facecolor='0.5');plt.show()