分割後的圖像，乳腺的各種組織、腺體、血管、乳腺邊緣、腫塊、鈣化點等基本被分割出來，要提取能把異常區域與正常區域分離的特征參數，才能為乳腺腫瘤的自動分類提供依據。可以采用的特征參數很多，如一些形態學灰度特征參數如麵積、形狀、邊緣的粗糙度、清晰度、組織的對比度、致密度等以及紋理特征。本研究中采用灰度共生矩陣的7個特征量，作為乳腺的特征參數。
灰度共生矩陣（GLCM）是最有名的紋理分析方法之一，它用來分析與二次特征相關的圖像屬性。為了估計不同灰度共生矩陣之間的相似性，Haralick提出14種統計屬性。為了降低計算複雜度，僅選擇其中7個屬性。
（1）角二階矩（能量）
角二階距反映了圖像灰度分布的均勻程度和粗細程度。因為它是灰度共生矩陣各元素的平方和，所以又稱為能量。f1大時，紋理粗，能量大；反之，f1小時，紋理細，能量小。
（2）對比度（慣性矩）
對比度是關於主對角線的慣性矩。它度量了矩陣值的分布情況和圖像的局部變化。從數學角度看，矩陣的元素遠離對角線將導致n=|i-j|變大。對比度可理解為圖像的清新度圖像越清晰，紋理效果越明顯，反之亦然。紋理的溝紋深，對比度較大，效果清晰；反之，對比度小，則溝紋淺，效果模糊。
（3）相關
相關是度量空間灰度共生矩陣元素在行或列方向上的相似程度，是灰度線性關係的度量。當矩陣元素值均勻相等時，f3就大，反之亦然。如果圖像的θ方向上方向性較強，而其他方向較弱，θ方向的f3將明顯大於其他方向的。因此，f3可用來判斷紋理的主方向。
（4）熵
熵代表了圖像的信息量，是圖像內容隨機性的度量，能表征紋理的複雜程度。當圖像無紋理時熵為0，滿紋理時熵最大。從數學角度看，當f4陣中的元素近似相等時熵最大。
（5）逆差矩
逆差矩又稱為局部平穩，它是圖像紋理局部變化的度量，反映了紋理的規則程度。紋理越規則，f5就越大，反之亦然。
（6）均值和
均值和是圖像區域內像素點平均灰度值的度量。
（7）和熵