【图像分割】基于局部空间信息直方图模糊聚类FGFCM 实现图像图像分割附matlab代码

✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可私信。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知。

更多Matlab仿真内容点击👇

智能优化算法       神经网络预测       雷达通信       无线传感器        电力系统

信号处理              图像处理               路径规划       元胞自动机        无人机 

⛄ 内容介绍

FGFCM 是对传统的模糊C均值聚类算法的一个改进算法.但未考虑噪声和邻域间的关系,故无法有效避免噪声影响.为克服以上缺点,提出结合局部空间信息直方图的核模糊C均值聚类图像分割算法.通过使用一个局部空间信息直方图,有效地减少噪声对聚类结果的负面影响;通过使用聚类权重有效避免块噪声;引入空间约束项,采用内核感应距离,使分割结果更好地保留了图像细节,分割更加准确.实验结果表明,该算法保留更多图像细节和边缘信息,同时具有较强的抗噪声能力.

⛄ 部分代码

function [fs,center_p,Num_p,center_lab]=Label_image(f,L) 

f=double(f);

num_area=max(L,[],'all'); 

Num_p=zeros(num_area,1);

if size(f,3)<2

    [M,N]=size(f);

    s3=L;

    fs=zeros(M,N);

    center_p=zeros(num_area,1); 

    for i=1:num_area

        f2=f(s3==i);f_med=median(f2);fx=double((s3==i))*double(f_med);

        fs=fs+fx;

        center_p(i,:)=uint8(f_med);

        Num_p=zeros(num_area,1);

    end

    fs=uint8(fs);

%% Color image

else    

    [M,N]=size(f(:,:,1));

    s3=L;

    fs=zeros(M,N,3);

    fr=f(:,:,1);fg=f(:,:,2);fb=f(:,:,3);

    center_p=zeros(num_area,3); 

    for i=1:num_area

        fr2=fr(s3==i);r_med=median(fr2);r=(s3==i)*r_med;

        fg2=fg(s3==i);g_med=median(fg2);g=(s3==i)*g_med;

        fb2=fb(s3==i);b_med=median(fb2);b=(s3==i)*b_med;

        fs=fs+cat(3,r,g,b);

        center_p(i,:)=uint8([r_med g_med b_med]);

        Num_p(i)=sum(sum(s3==i));

    end

    fs=uint8(fs);

    TT=cat(3,center_p(:,1),center_p(:,2),center_p(:,3));

    TT2=colorspace('Lab<-RGB',TT);

    TT2r=TT2(:,:,1);TT2g=TT2(:,:,2);TT2b=TT2(:,:,3);

    center_lab(:,1)=TT2r(:);center_lab(:,2)=TT2g(:);center_lab(:,3)=TT2b(:);

end

end

⛄ 运行结果

⛄ 参考文献

[1] 张腾达, 吕晓琪, 任晓颖,等. 基于空间模糊核聚类的脑肿瘤图像分割方法[J]. 控制工程, 2017, 24(10):5.

[2] 杨漫. 基于模糊C-均值聚类与模糊支持向量机的自适应图像分割算法[D]. 大连理工大学.

[3] 贾冀. 基于聚类的图像分割与配准研究[D]. 西安电子科技大学, 2014.

[4] 谢勇. 基于FCM聚类算法的人脑MRI图像分割[J]. 大理大学学报, 2017, 2(12):4.

[5] 谢勇. 基于FCM聚类算法的人脑MRI图像分割[J]. 大理学院学报, 2017, 002(012):49-52.

⛳️ 代码获取关注我

❤️部分理论引用网络文献，若有侵权联系博主删除

❤️ 关注我领取海量matlab电子书和数学建模资料