灰度共生矩阵（Gray Level Co-occurrence Matrix，GLCM）是一种描述图像中像素强度值之间关系的统计工具。它通过计算图像中每个像素值与其相邻像素值之间的共生关系来揭示图像的纹理特征。灰度共生矩阵的计算方法如下：

  1. 选择像素对的类型：通常有两种类型的像素对，分别是水平像素对（水平方向相邻像素）和垂直像素对（垂直方向相邻像素）。也可以选择对角像素对（对角线方向相邻像素）。

  2. 确定像素对的权重：对于每种类型的像素对，可以赋予不同的权重。常见的权重设置包括1和0，表示相邻像素是否同时存在。

  3. 遍历图像并计数：对于图像中的每个像素，按照选定的像素对类型和权重进行遍历，并在相应的位置增加计数。

  4. 构建灰度共生矩阵：将遍历过程中得到的计数结果按照像素对类型和权重排列成一个矩阵。

以水平像素对为例，灰度共生矩阵的计算步骤如下：

a. 对于图像中的每个像素，检查其右侧和下侧相邻的像素（如果存在）。

b. 如果右侧和下侧像素的值分别为i和j，根据权重设置（例如，如果i和j都大于0，则计数为1；否则为0），在GLCM矩阵中将对应位置的计数加1。

c. 遍历完所有像素后，得到的GLCM矩阵将包含图像中每个像素值与其水平方向相邻像素值之间的共生关系信息。

通过分析GLCM矩阵中的各种统计量（如对比度、相关性、能量和同质性等），可以提取出图像的纹理特征，用于图像分类、分割等任务。