1、模糊聚类图像分割.docVIP

智能多媒体专业实验 实验一：模糊聚类的图像分割 班级： 020751 学号姓名： 黄春海 实验目的 通过模糊c-均值（FCM）聚类实现图像的分割。进行四类聚类。 算法描述 FCM聚类算法目标函数为： （1-1） 如果表示每一个样本的维数，是一个矩阵；表示样本数目，通常表示图像像素数；表示聚类数目；是矢量隶属于第类的隶属度函数，满足且；聚类中心是矩阵，和更新等式分别为： （1-2） 对于每一个模糊隶属度，由控制模糊度的权重指数；为相似性测度。 算法步骤 Step1：设置目标函数精度，模糊指数（通常取2），最大迭代次数； Step2：初始化模糊聚类中心； Step3：由式（1-2）更新模糊划分矩阵和聚类中心 Step4：若则结束聚类；否则，并转Step3； Step5：由所得得到各像素点分类结果。 ↓ ↓ → → ↓ ←N Y ↓ ↓ 实验程序 tmp=imread(chunge.jpg); IM=tmp(:,:,1); IM=double(IM); figure(1); imshow(uint8(IM)); %function[IX2]=fcm(IM); [maxX,maxY]=size(IM); IMM=cat(4,IM,IM,IM,IM); %(4类) cc1=8; cc2=50; cc3=120; cc4=200; ttFcm=0; while(ttFcm8) 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,c4); ree=repmat(0.000001,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); distance1=distance(:,:,1).*daoShu2; u1=1./distance1; distance2=distance(:,:,2).*daoShu2; u2=1./distance2; distance3=distance(:,:,3).*daoShu2; u3=1./distance3; distance4=distance(:,:,4).*daoShu2; u4=1./distance4; 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=[abs(cc1-ccc1)/cc1,abs(cc2-ccc2)/cc2,abs(cc3-ccc3)/cc3,abs(cc4-ccc4)/cc4]; pp=cat(4,u1,u2,u3,u4); for i=1:maxX for j=1:maxY if max(pp(i,j,:))==u1(i,j) IX2(i,j)=1; elseif max(pp(i,j,:))==u2(i,j) IX2(i,j)=2; elseif max(pp(