SOA下的kmeans图像分割

Halcom

SOA下的kmeans图像分割
链接：https://pan.baidu.com/s/1hjGrKwBi56hhqT6l91w7ow 提取码：1tah

具体链接在halcom.cn论坛，联系人QQ：3283892722
该论坛是一个学习交流平台，我会逐一的和大家分享学习。
欢迎大家录制视频，你可在论坛进行打赏分享。
视频专用播放器：http://halcom.cn/forum.php?mod=viewthread&tid=258&extra=page%3D1\

数据获取（get_cluster_data函数）：链接：https://pan.baidu.com/s/1r2AngQUwp8AP_8Qh89py_g 提取码：ejpf
聚类中心center_nearest：

1. function [minDist,index] = center_nearest(center,ClusterData)
   
2. % ClusterData:待聚类的数据
   
3. % center：聚类的中心
   
4. % 函数目的：求解每一个数据隶属于的中心
   
5. minDist = zeros(size(ClusterData,1),1);
   
6. index = zeros(size(ClusterData,1),1);
   
7. dist = zeros(size(center,1),1);
   
8. for i=1:length(ClusterData)
   
9.     for j=1:size(center,1)
   
10.         dist(j) = norm(ClusterData(i,:) - center(j,:), 2);
    
11.     end
    
12.     [ minDist(i), index(i) ]=  min(dist);
    
13. end

复制代码

Kmeans_fun函数（适应度函数）如下：

游客，如果您要查看本帖隐藏内容请回复

kmeans分割函数如下：ClusterData是一个75088x2的矩阵；也就是图像数据；

1. % K均值聚类算法
   
2. clc,clear,close all;
   
3. warning off;
   
4. I_rgb=imread('2.jpg');
   
5. I_rgb=im2double(I_rgb);   %双精度
   
6. if size(I_rgb,3)==1
   
7.     msgbox('请输入一张彩色图像！！！');
   
8.     return;
   
9. end
   
10. R=I_rgb(:,:,1);
    
11. G=I_rgb(:,:,2);
    
12. B=I_rgb(:,:,3);
    
13. [M,N]=size(R);   % 行、列
    
14. ClusterData = get_cluster_data(R,G,B);
    
15. % 分类数
    
16. [len, depth]= size(ClusterData);
    
17. Kc = 3;
    
18. % 初始化中心
    
19. index = ceil( unifrnd(1,len, 1, Kc) );   % 均匀分布
    
20. center = ClusterData(index,:);
    
21. center_new = center;   % 初始化新的中心
    
22. % maim loop
    
23. maxgen = 1e3;  % 最大迭代次数
    
24. for i=1:maxgen
    
25.     % 计算 每一个待分类的数据隶属于的中心编号
    
26.     [center_minDist,center_index] = center_nearest(center,ClusterData);
    
27.     % 更新center
    
28.     for j=1:Kc
    
29.         index = find(center_index==j);
    
30.         center_new(j, :) = mean( ClusterData(index,:) );
    
31.     end
    
32.     error = norm( center_new-center, 2 );  % 相连两次中心点的距离值
    
33.     center = center_new;   % 更新中心
    
34.     if error<0.000001
    
35.         fprintf('\n');
    
36.         disp(['收敛迭代次数：', num2str(i)])
    
37.         disp( '聚类中心为：' )
    
38.         disp( num2str(center) )
    
39.         break;
    
40.     end
    
41. end
    
42. %% 分割显示
    
43. % a = reshape(ClusterData(:,1),M,N);  % 第1列
    
44. % b = reshape(ClusterData(:,2),M,N);  % 第2列
    
45. A = zeros(M*N, 1);
    
46. A(find(center_index==1), :) = 1;
    
47. A1 = reshape(A,M,N);  % 第1类
    
48. 
    
49. A = zeros(M*N, 1);
    
50. A(find(center_index==2), :) = 1;
    
51. A2 = reshape(A,M,N);  % 第2类
    
52. 
    
53. A = zeros(M*N, 1);
    
54. A(find(center_index==3), :) = 1;
    
55. A3 = reshape(A,M,N);  % 第3类
    
56. 
    
57. A4 = reshape(center_index,M,N);  % 第2列
    
58. 
    
59. figure(1),
    
60. subplot(221),imshow(A1,[]);xlabel('第1类')
    
61. subplot(222),imshow(A2,[]);xlabel('第2类')
    
62. subplot(223),imshow(A3,[]);xlabel('第3类')
    
63. subplot(224),imshow(A4,[]);xlabel('整体显示')
    
64. 
    
65. % 重构显示彩色图
    
66. R1 = immultiply(R, logical(A1));
    
67. G1 = immultiply(G, logical(A1));
    
68. B1 = immultiply(B, logical(A1));
    
69. RGB1 = cat(3,R1,G1,B1);
    
70. 
    
71. R2 = immultiply(R, logical(A2));
    
72. G2 = immultiply(G, logical(A2));
    
73. B2 = immultiply(B, logical(A2));
    
74. RGB2 = cat(3,R2,G2,B2);
    
75. 
    
76. R3 = immultiply(R, logical(A3));
    
77. G3 = immultiply(G, logical(A3));
    
78. B3 = immultiply(B, logical(A3));
    
79. RGB3 = cat(3,R3,G3,B3);
    
80. figure(2),
    
81. subplot(221),imshow(I_rgb,[]);xlabel('原始图像')
    
82. subplot(222),imshow(RGB1,[]);xlabel('第1类')
    
83. subplot(223),imshow(RGB2,[]);xlabel('第2类')
    
84. subplot(224),imshow(RGB3,[]);xlabel('第3类')

复制代码

SOA优化下的Kmeans图像分割：
ClusterData是一个75088x2的矩阵；也就是图像数据

1. clc,clear,close all;
   
2. warning off;
   
3. format longG;
   
4. %% 获取图像数据
   
5. I_rgb=imread('2.jpg');
   
6. I_rgb=im2double(I_rgb);   %双精度
   
7. if size(I_rgb,3)==1
   
8.     msgbox('请输入一张彩色图像！！！');
   
9.     return;
   
10. end
    
11. R=I_rgb(:,:,1);
    
12. G=I_rgb(:,:,2);
    
13. B=I_rgb(:,:,3);
    
14. [M,N]=size(R);   % 行、列
    
15. ClusterData = get_cluster_data(R,G,B);
    
16. % 分类数
    
17. [len, depth]= size(ClusterData);
    
18. Kc = 3;
    
19. %% SOA 参数
    
20. maxiter = 20;  % 迭代次数
    
21. sizepop = 20;  % 种群数量
    
22. Umax=0.9500;   % 最大隶属度值
    
23. Umin=0.0111;   % 最小隶属度值
    
24. popmin = min(min(ClusterData));  popmax = max(max(ClusterData)); % x
    
25. 
    
26. fai1 = 0.5;
    
27. fai2 = 0.5;
    
28. w1 = 0.5;
    
29. % w2 = 0.5;
    
30. w2max = 0.7;
    
31. w2min = 0.2;
    
32. nvar = 2*Kc;      % 变量的个数
    
33. %% 初始化种群
    
34. for i=1:sizepop
    
35.     index = ceil( unifrnd(1,len, 1, Kc) );   % 均匀分布
    
36.     center = ClusterData(index,:);
    
37.     pop(i,:) = center(:);
    
38.     [fitness(i), center_new]= Kmeans_fun( pop(i,:), ClusterData, Kc );
    
39.     pop(i,:) = center_new(:);
    
40. end
    
41. %% 记录一组最优值
    
42. [bestfitness,bestindex]=min(fitness); % 索引最小值
    
43. zbest=pop(bestindex,:);   % 全局最佳
    
44. gbest=pop;                % 个体最佳
    
45. fitnessgbest=fitness;     % 个体最佳适应度值
    
46. fitnesszbest=bestfitness; % 全局最佳适应度值
    
47. Frontpop = pop;
    
48. %% 迭代寻优
    
49. for i=1:maxiter
    
50.     disp(['当前迭代次数： ', num2str(i)])
    
51.     for j=1:sizepop
    
52.        dego = gbest(j,:)-pop(j,:);
    
53.        dalt = zbest-pop(j,:);
    
54.        dpro = Frontpop(j,:) - pop(j,:);
    
55.        Frontpop = pop;  % 记录上一时刻的最优种群
    
56.        dij = sign( w1*dpro+fai1*dego+fai2*dalt );   % 确定方向
    
57.        % 确定步长
    
58.        [maxfitness,index] = sort(fitness,'descend');
    
59.        u = Umax - index(j)/sizepop *(Umax-Umin);
    
60.        u = u.*rand(1,nvar);       % nvar个变量
    
61.        T = sqrt(-log(u) );
    
62.        xmin = pop(index(1),:);    % 最差的个体
    
63.        xmax = pop(index(end),:);  % 最优的个体
    
64.       
    
65.        w2 = w2max - j/sizepop*(w2max-w2min);
    
66.        delta = w2*abs( xmin-xmax );
    
67.       
    
68.        alpha = delta.*T;
    
69.       
    
70.        % 步长进行限制
    
71.        for k=1:length(alpha)
    
72.            if alpha(k)>0.6
    
73.                alpha(k)=0.6;
    
74.            elseif alpha(k)<-0.6
    
75.                alpha(k) = -0.6;
    
76.            end
    
77.        end
    
78.       
    
79.        % 位置更新
    
80.        pop(j,:) = pop(j,:) + dij.*alpha;        
    
81. 
    
82.         % x 越界限制
    
83.         for k =1:nvar
    
84.             if pop(j,k)>popmax
    
85.                 pop(j,k)=popmax;
    
86.             end
    
87.             if pop(j,k)<popmin
    
88.                 pop(j,k)=popmin;
    
89.             end
    
90.         end
    
91. 
    
92.         % 适应度更新
    
93.         [fitness(j), newpop]= Kmeans_fun(pop(j,:), ClusterData, Kc );
    
94.         pop(j,:) = newpop(:);
    
95.         
    
96.         % 比较  个体间比较
    
97.         if fitness(j)<fitnessgbest(j)
    
98.             fitnessgbest(j) = fitness(j);
    
99.             gbest(j,:) = pop(j,:);
    
100.         end
     
101.         if fitness(j)<bestfitness
     
102.             bestfitness = fitness(j);
     
103.             zbest =  pop(j,:);
     
104.         end
     
105.         
     
106.     end
     
107.     fitness_iter(i) = bestfitness;
     
108. end
     
109. %% 结果显示
     
110. fprintf('\n')
     
111. disp(['最优适应度值： ', num2str(bestfitness)])
     
112. fprintf('\n')
     
113. zbest_center = reshape(zbest, Kc, 2 );
     
114. disp( '聚类中心为：' )
     
115. disp( num2str(zbest_center) );
     
116.   
     
117. figure('color',[1,1,1])
     
118. plot(fitness_iter,'ro-','linewidth',2);
     
119. xlabel('迭代次数'); ylabel('适应度值');
     
120. axis tight;grid on;
     
121. 
     
122. %% 分割显示
     
123. % 计算 每一个待分类的数据隶属于的中心编号
     
124. [center_minDist,center_index] = center_nearest(zbest_center,ClusterData);
     
125. % a = reshape(ClusterData(:,1),M,N);  % 第1列
     
126. % b = reshape(ClusterData(:,2),M,N);  % 第2列
     
127. A = zeros(M*N, 1);
     
128. A(find(center_index==1), :) = 1;
     
129. A1 = reshape(A,M,N);  % 第1类
     
130. 
     
131. A = zeros(M*N, 1);
     
132. A(find(center_index==2), :) = 1;
     
133. A2 = reshape(A,M,N);  % 第2类
     
134. 
     
135. A = zeros(M*N, 1);
     
136. A(find(center_index==3), :) = 1;
     
137. A3 = reshape(A,M,N);  % 第3类
     
138. 
     
139. A4 = reshape(center_index,M,N);  % 第2列
     
140. 
     
141. figure(1),
     
142. subplot(221),imshow(A1,[]);xlabel('第1类')
     
143. subplot(222),imshow(A2,[]);xlabel('第2类')
     
144. subplot(223),imshow(A3,[]);xlabel('第3类')
     
145. subplot(224),imshow(A4,[]);xlabel('整体显示')
     
146. 
     
147. % 重构显示彩色图
     
148. R1 = immultiply(R, logical(A1));
     
149. G1 = immultiply(G, logical(A1));
     
150. B1 = immultiply(B, logical(A1));
     
151. RGB1 = cat(3,R1,G1,B1);
     
152. 
     
153. R2 = immultiply(R, logical(A2));
     
154. G2 = immultiply(G, logical(A2));
     
155. B2 = immultiply(B, logical(A2));
     
156. RGB2 = cat(3,R2,G2,B2);
     
157. 
     
158. R3 = immultiply(R, logical(A3));
     
159. G3 = immultiply(G, logical(A3));
     
160. B3 = immultiply(B, logical(A3));
     
161. RGB3 = cat(3,R3,G3,B3);
     
162. figure(2),
     
163. subplot(221),imshow(I_rgb,[]);xlabel('原始图像')
     
164. subplot(222),imshow(RGB1,[]);xlabel('第1类')
     
165. subplot(223),imshow(RGB2,[]);xlabel('第2类')
     
166. subplot(224),imshow(RGB3,[]);xlabel('第3类')
     

复制代码

输出：

1. 收敛迭代次数：19
   
2. 聚类中心为：
   
3. 21.515      32.6575
   
4. 3.61474       4.6504
   
5. 15.0719      16.9821

复制代码

余坤键

看一下大佬的代码

wal1985

非常好的代码

wwmwwmwwm

111111111111

regislei

666666666666666666