- 1、本文档共5页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
灰度圖像分割方法比较
一、基于FCM的图像分割(调用FCM函数)
clc
clear all
I=imread(14.jpg);
figure,imshow(I)
I2=rgb2gray(I);
figure,imshow(I2)
I3=reshape(I2,10000,1);
I4=im2double(I3);
[center,U,obj_fcn]=fcm(I4,2);
z1=center(1,:);z2=center(2,:);
for i=1:10000 %分别计算每个样本到个聚类中心的欧式距离
f1=imsubtract(I4(i,:),z1);
D1(:,i)=sqrt(f1*f1);
f2=imsubtract(I4(i,:),z2);
D2(:,i)=sqrt(f2*f2);
end
D=[D1;D2];
for i=1:10000 %并按最近邻规则聚类
if D1(:,i)==min(D(:,i)) %样本中心稳定,则为最终聚类结果
s1(i,:)=zeros(1,1);
else
s1(i,:)=ones(1,1);
end
end
for i=1:10000
if D2(:,i)==min(D(:,i))
s2(i,:)=zeros(1,1);
else
s2(i,:)=ones(1,1);
end
end
a1=reshape(s1,100,100);
a2=reshape(s2,100,100);
figure,imshow(a1) %样本S1组成的图像
figure,imshow(a2) %样本S2组成的图像
二、基于HCM的灰度图像分割
预备知识:
1.K—均值算法(HCM)
依据准则函数进行分类,具体内容:先选择K个聚类中心,然后根据聚类准则对K个中心反复修改(用迭代法),直至分类合理。聚类过程中,聚类中心数目不变。属于一种硬分类。
2.模糊C均值算法(FCM)
将上述硬分类模糊化,引入隶属度函数,定义聚类损失函数,并使其最小化(用迭代法求解)。当算法收敛时,可得到各类聚类中心和各个样本对于各类的隶属度值,从而完成模糊聚类划分。Matlab自带了FCM函数,如下例:
function [center, U, obj_fcn] = FCM(data, cluster_n, options) % FCM.m? ?采用模糊C均值对数据集data聚为cluster_n类??% 用法: %? ?1.??[center,U,obj_fcn] = FCM(Data,N_cluster,options); %? ?2.??[center,U,obj_fcn] = FCM(Data,N_cluster); % 输入: %? ?data? ?? ???---- nxm矩阵,表示n个样本,每个样本具有m的维特征值 %? ?N_cluster? ?---- 标量,表示聚合中心数目,即类别数 %? ?options? ???---- 4x1矩阵,其中 %? ?? ? options(1):??隶属度矩阵U的指数,1? ?? ?? ?? ?? ?? ?(缺省值: 2.0) %? ?? ? options(2):??最大迭代次数? ?? ?? ?? ?? ?? ?? ?? ?? ?(缺省值: 100) %? ?? ? options(3):??隶属度最小变化量,迭代终止条件? ?? ?? ???(缺省值: 1e-5) %? ?? ? options(4):??每次迭代是否输出信息标志? ?? ?? ?? ?? ? (缺省值: 1) % 输出: %? ?center? ?? ?---- 聚类中心 %? ?U? ?? ?? ???---- 隶属度矩阵 %? ?obj_fcn? ???---- 目标函数值 %? ?Example: %? ?? ? data = rand(100,2); %? ?? ? [center,U,obj_fcn] = FCM(data,2); %? ?? ? plot(data(:,1), data(:,2),o); %? ?? ? hold on; %? ?? ? maxU = max(U); %? ?? ? index1 = find(U(1,:) == maxU); %? ?? ? index2 = find(U(2,
文档评论(0)