《模糊C均值聚类算法分割彩色图像(共7页).docx》由会员分享，可在线阅读，更多相关《模糊C均值聚类算法分割彩色图像(共7页).docx（7页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、精选优质文档-倾情为你奉上实验九 模糊C均值聚类算法分割彩色图像XXXXX XXX一、实验目的掌握模糊C聚类算法分割彩色图像的基本原理和程序流程。二、实验设备微机三、实验原理设：xi, i=1, , N是N个样本组成的样本集合；c为预定的类别数目；mj(j=1, , c)为每个聚类的中心；mj(xi)是第i个样本对于第j类的隶属度函数。用隶属度函数定义的聚类损失函数可以写为： (1)式中，bl，是一个可以控制聚类结果的模糊程度的常数。模糊C均值算法要求一个样本对于各个聚类的隶属度之和为1，即： (2)令Jf对mj(xi)和mj的偏导数为0，可得必要条件： (3) (4)用迭代方法求解以上两式，
2、就是模糊C均值算法，其算法步骤如下： 设定聚类数目c和参数b； 初始化各个聚类中心mj； 重复下面的运算，直到各个样本的隶属度值稳定：)用当前的聚类中心按式(4)计算隶属度函数；)用当前的隶属度函数按式(3)更新计算各类聚类中心。当算法收敛时，就得到了各类的聚类中心和各个样本对于各类的隶属度值，从而完成了模糊聚类划分。如果需要，还可以将模糊聚类结果进行去模糊化，即用一定规则把模糊聚类划分转化为确定性分类。四、 实验内容 基于模糊C均值算法的彩色图像分割五、 实验代码function IX2=fcm(IM);%IM是输入的源图像%IX2是分类结果IM=imread(wwwlt163com3.jp
3、g); IM=IM(:,:,1);figure(1)imshow(uint8(IM)maxX,maxY=size(IM);IM=double(IM); IMM=cat(4,IM,IM,IM,IM);%初始化聚类中心（4类）cc1=7;cc2=70;cc3=180;cc4=240;ttFcm=0;while(ttFcm15) ttFcm=ttFcm+1; c1=repmat(cc1,maxX,maxY); c2=repmat(cc2,maxX,maxY); c3=repmat(cc3,maxX,maxY); c4=repmat(cc4,maxX,maxY); c=cat(4,c1,c2,c3,c
4、4); ree=repmat(0.,maxX,maxY); ree1=cat(4,ree,ree,ree,ree); distance=IMM-c; distance=distance.*distance+ree1; daoshu=1./distance; daoshu2=daoshu(:,:,1)+daoshu(:,:,2)+daoshu(:,:,3)+daoshu(:,:,4); %计算隶属度u distance1=distance(:,:,1).*daoshu2; u1=1./distance1; distance2=distance(:,:,2).*daoshu2; u2=1./dis
5、tance2; distance3=distance(:,:,3).*daoshu2; u3=1./distance3; distance4=distance(:,:,4).*daoshu2; u4=1./distance4; %计算聚类中心z ccc1=sum(sum(u1.*u1.*IM)/sum(sum(u1.*u1); ccc2=sum(sum(u2.*u2.*IM)/sum(sum(u2.*u2); ccc3=sum(sum(u3.*u3.*IM)/sum(sum(u3.*u3); ccc4=sum(sum(u4.*u4.*IM)/sum(sum(u4.*u4); tmpMatrix
6、=abs(cc1-ccc1)/cc1,abs(cc2-ccc2)/cc2,abs(cc3-ccc3)/cc3,abs(cc4-ccc4)/cc4; pp=cat(3,u1,u2,u3,u4); for i=1:maxX for j=1:maxY if max(pp(i,j,:)=u1(i,j) IX(i,j)=1; elseif max(pp(i,j,:)=u2(i,j) IX2(i,j)=2; elseif max(pp(i,j,:)=u3(i,j) IX2(i,j)=3; else IX2(i,j)=4; end end end %判结束条件 if max(tmpMatrix)0.0001
7、 break; else cc1=ccc1; cc2=ccc2; cc3=ccc3; cc4=ccc4; end for i=1:maxX for j=1:maxY if IX2(i,j)=1 IMMM(i,j)=240; elseif IX2(i,j)=3 IMMM(i,j)=180; elseif IX2(i,j)=2 IMMM(i,j)=70; else IMMM(i,j)=7; end end end %显示每次聚类分割结果 figure(2); imshow(uint8(IMMM);end for i=1:maxX for j=1:maxY if IX2(i,j)=4 IMMM(i,j)=240; elseif IX2(i,j)=3 IMMM(i,j)=180; elseif IX2(i,j)=2 IMMM(i,j)=70; else IMMM(i,j)=7; end end end%显示最终分类结果IMMM=uint8(IMMM);figure(3);imshow(IMMM);end六、 实验结果图1.1 原图的灰度图图1.2 分割后的图图1.2 分割后的图七、 实验心得通过本次实验使我掌握了利用模糊C聚类算法分割彩色图像的基本原理和程序流程，完成了实验增加了经验巩固了所学知识达到了实验目的。 专心-专注-专业