灰度区域大小矩阵是Thibault矩阵的初级形态，是纹理特征的高级统计矩阵，是医学影像分析利器。对于灰度级为的图像，灰度区域大小矩阵用于描述图像亮度的二变量条件分布概率密度。计算方法类似于行程长度矩阵：矩阵中的值等于灰度级对应区域大小的数量。矩阵行数固定等于灰度级，列数等于最大区域的大小。

图像纹理越均匀，矩阵宽度越大，越平坦。GLSZM与行程矩阵和共生矩阵不一样，不需要进行多个方向计算。已经从经验上验证了，灰度级量化的程度对于纹理分类性能有重要影响。一般来说，为了找到一个最佳的训练集，通常需要测试几个灰度级的量化。根据经验，32个灰度级通常能够提供最好的训练结果。

具体来说，GLSZM在表征纹理一致性、非周期性或斑点状纹理效果显著，在对细胞核、真皮、道路质量（沥青道路）和PET影像纹理方面比粒度、行程矩阵、共生矩阵有更好的性能。

计算示例1，图像如左图，对应的GLSZM如右图，可以看到图像灰度级为4，最大区域为3：

另一个例子如下，本例子比较均匀，相应的，矩阵比较宽，比较平坦：

参考论文：

Thibault, G., Fertil, B., Navarro, C., Pereira, S., Levy, N., Sequeira, J., . . . Navarro, C. (2009). Texture Indexes and Gray Level Size Zone Matrix Application to Cell Nuclei Classification. In Pattern Recognition and Information Processing (PRIP.

原始网址：http://www.thibault.biz/Research/ThibaultMatrices/GLSZM/GLSZM.html