【模糊C均值】基于matlab两个图像输入模糊C+-均值图像分割源码

fpga和matlab

已于 2022-03-26 01:16:32 修改

阅读量1.2k

点赞数 1

分类专栏： MATLAB 板块6:图像跟踪识别文章标签：模糊C+- 均值图像分割

于 2022-03-23 18:29:26 首次发布

本文链接：https://blog.csdn.net/ccsss22/article/details/123692988

版权

MATLAB 同时被 2 个专栏收录

1616 篇文章 1684 订阅

订阅专栏

板块6:图像跟踪识别

45 篇文章 25 订阅

订阅专栏

该博客介绍了如何利用Matlab进行Fuzzy C-means（FCM）聚类，将两种不同的医学图像（GADO和AXIAL FLAIR）作为输入进行图像分割。通过调整像素值，将像素分配到7个不同的类别中，最终生成一个新的融合图像。这个过程对于医学影像分析和图像处理研究具有重要意义。

摘要由CSDN通过智能技术生成

% This Matlab script illustrate how to use two images as input for FCM segmentation

clc
clear all

%Load GADO image
info = imfinfo('GADOimage.jpg');
I = im2double(imread('GADOimage','jpg'));
I = imadjust(I);

%Load AXIAL FLAIR image
info2 = imfinfo('FLAIRimage.jpg');
I2 = im2double(imread('FLAIRimage','jpg'));
I2 = imadjust(I);

figure;imshow(I,[]);impixelinfo; % Show Image I

data = [I(:) I2(:)]; % data array

[center,U,obj_fcn] = fcm(data,7); % Fuzzy C-means classification with 7 classes

% Finding the pixels for each class
maxU = max(U);
index1 = find(U(1,:) == maxU);
index2 = find(U(2,:) == maxU);
index3 = find(U(3,:) == maxU);
index4 = find(U(4,:) == maxU);
index5 = find(U(5,:) == maxU);
index6 = find(U(6,:) == maxU);
index7 = find(U(7,:) == maxU);

% Assigning pixel to each class by giving them a specific value
fcmImage(1:length(data))=0;
fcmImage(index1)= 1;
fcmImage(index2)= 0.8;
fcmImage(index3)= 0.6;
fcmImage(index4)= 0.4;
fcmImage(index5)= 0.2;
fcmImage(index6)= 0.1;
fcmImage(index7)= 0.0;