尽管mahotas它也是一个出色的计算机视觉库，但无需停止使用skimage它。

什么 是
必要的，因为@Tonechas已经指出的那样，是那些NaN值设定为一个整数，由于np.nan具有类型float和greycomatrix功能需要的整数数组。

最简单的选择是将那些设置NaN为零，但是，如果像素中已经有零值并且不想混合它们，则可以选择任何其他常数。之后，您要做的就是从GLCM中过滤出所选的值（再一次，通常为零）。

要了解这意味着什么，让我们看看是什么skimage告诉我们该greycomatrix函数的输出：

4维数组

值P
[i，j，d，theta]是灰度级j在距灰度级i的距离为d且角度为θ的角度出现的次数。如果normed为False，则输出为uint32类型，否则为float64。尺寸为：水平x水平x距离数x角度数。

换句话说，数组的前两个维定义一个矩阵，该矩阵告诉我们两个不同的值相隔一定距离多少次。请注意，GLCM并 没有
保留输入数组的形状。这些行和列告诉我们这些值之间的关系。

知道这一点，很容易过滤掉投资回报率之外的值（假设我们将那些NaN设置为零）：

glcm = greycomatrix(img, [1], [0])  # Calculate the GLCM "one pixel to the right"
filt_glcm = glcm[1:, 1:, :, :]           # Filter out the first row and column

现在，您可以轻松计算过滤后的GLCM的Haralick属性。例如：

greycoprops(filt_glcm, prop='contrast')