# include "stdafx. H" 
# include 
# include 
# include "GLCM. H" 
# include 
# include 
# include 
# include 
Using the namespace CV; 
using namespace std; 
Void the_GLCM: : calGLCM (int * data, int scale, int GRAY_CLASS, int, short, int direction, double * index) 
{
Int width, height; 
Width=scale; 
Height=scale; 
Int * indata=https://bbs.csdn.net/topics/new int width/height *]; 
Double * indata1=new double width/height *]; 
Int * GLCM=new int [GRAY_CLASS * GRAY_CLASS];//gray level co-occurrence matrix 
Double * glcm1=new double [GRAY_CLASS * GRAY_CLASS];//after normalization of gray level co-occurrence matrix 
//int * imaged=new int (width * height);//read the data 

////read in grey value and stored in the array 
//* * * * * * * * * * * * * * * * this is a compressed grayscale part, specific for compressed into GRAY_CLASS 
for(int i=0; i{
for(int j=0; j{
Double sf=(GRAY_CLASS * (data/width * I + j)/(255)); 
Indata [I * width + j]=sf; 
} 
} 
for(int i=0; i{
for(int j=0; j{
GLCM GRAY_CLASS + j] [I *=0; 
Glcm1 GRAY_CLASS + j] [I *=0; 
} 
} 
Int d=short; 
//start the next step of gray level co-occurrence matrix computation 
Int w, k, l; 
If (direction==ANGLE_1)//build direction 0 degrees to symbiotic matrix 
{
for(int i=0; i{
for(int j=0; j{
L=indata [I * width + j];//sure I elements in P (I, j) 
If (j + DISTANCE>=0 & amp; & J + DISTANCE{
K=indata [I * width + j + short];//sure j elements of P (I, j) 
GLCM [l] * GRAY_CLASS + k + +;//to the right 
} 
//if (j - DISTANCE>=0 & amp; & J - DISTANCE//{
//k=indata [I * width + j - short];//sure j elements of P (I, j) 
//GLCM [l * GRAY_CLASS + k] + +;//the left 
*//*} 
} 
} 
} 
Else if (direction==ANGLE_2)//build direction of 45 degrees to the symbiotic matrix 
{
for(int i=0; i{
for(int j=0; j{
L=indata [I * width + j];//sure I elements in P (I, j) 
If (I - DISTANCE>=0 & amp; & I - DISTANCE=0 & amp; & J + DISTANCE{
K=indata [(I - short) * width + j + short];//sure j elements of P (I, j) 
GLCM [l] * GRAY_CLASS + k + +; 
} 
//if (I + DISTANCE>=0 & amp; & I + DISTANCE=0 & amp; & J - DISTANCE//{
//k=indata [+ short (I) * width + j - short];//sure j elements of P (I, j) 
//GLCM [l * GRAY_CLASS + k] + +; 
*//*} 
} 
} 
} 

Else if (direction==ANGLE_3)//direction for 90 degrees co-occurrence matrix 
{
for(int i=0; i{
for(int j=0; j{
L=indata [I * width + j];//sure I elements in P (I, j) 
//if (I + DISTANCE>=0 & amp; & I + DISTANCE//{
//k=indata [+ short (I) * width + j];//sure j elements of P (I, j) 
//GLCM [l * GRAY_CLASS + k] + +; 
//} 
If (I - DISTANCE>=0 & amp; & I - DISTANCE{
K=indata [(I - short) * width + j];//sure j elements of P (I, j) 
GLCM [l] * GRAY_CLASS + k + +; 
} 
} 
} 
} 
Else if (direction==ANGLE_4)//direction for 135 degrees co-occurrence matrix 
{
for(int i=0; i{
for(int j=0; j{
L=indata [I * width + j];//sure I elements in P (I, j) 
//if (j + DISTANCE>=0 & amp; & I + DISTANCE>=0 & amp; & J + DISTANCE//{
//k=indata [+ short (I) * width + j + short];//sure j elements of P (I, j) 
//GLCM [l * GRAY_CLASS + k] + +; 
//} 
If (j - DISTANCE>=0 & amp; & I - DISTANCE>=0 & amp; & J - DISTANCE{
K=indata [(I - short) * width + j - short];//sure j elements of P (I, j) 
GLCM [l] * GRAY_CLASS + k + +; 
} 
} 
} 
} 
//* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * the test * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 
Double Meani Meanj, Stdi Stdj, Entropy, Homogeneity, Contrast, Dissimilarity, ASM, the Correlation;//GLCM eight characteristic value 
Meani=0; 
Meanj=0; 
double sum=0;//used for normalization 
For (int p=0; p{
For (int q=0; Q{
Sum=sum + GLCM [p] * GRAY_CLASS + q;//calculate the GLCM is worth the sum of 
} 
} 
For (int i1=0; I1 & lt; GRAY_CLASS; I1 + +) 
{
For (int j1=0; J1 & lt; GRAY_CLASS; J1 + +) 
{
Glcm1 [i1 * GRAY_CLASS + j1]=GLCM [i1 * GRAY_CLASS + j1]/sum;//normalized calculation 
} 
} 

for(int i=0; i{
for(int j=0; j{
Meani +=glcm1 GRAY_CLASS + j] [I * * I;//solving scheme of value 
} 
} 
for(int i=0; i{
for(int j=0; j{
Meanj +=glcm1 GRAY_CLASS + j] [I * * j; 
} 
} 

Double variancei=0;//variance I 
Double variancej=0;//variance j 
Entropy=0; 
Homogeneity=0; 
Contrast=0; 
nullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnull