模糊C均值聚类图像分割算法matlab实现

clear all%清除workspace中的所有变量 I=imread('4.bmp');%读入图像文件 figure(1); imshow(I);title('原图像'); %显示原来的图像 count=imhist(I); %灰度频率 [m,n]=size(I);%测矩阵的大小 h=count/(m*n)%求灰度级数 V1=zeros(2); %确定对称矩阵A V2=zeros(2); U1=zeros(2,256); %设定分区矩阵U m1=2; %确定加权指数m V1(1)=20; %初始化聚类中心V，C=2 V1(2)=250; l=length(h) I=double(I);%转换变量的类型 diedai=1; while (diedai==1) for i=1:l %修改迭代过程中的分区矩阵 if (i-V1(1))^2>0.01&(i-V1(2))^2>0.01 tep1=(i-V1(1))^2; tep2=(i-V1(2))^2; U1(1,i)=1.0/(1+(tep1/tep2)^(1.0/(m1-1))); U1(2,i)=1.0/(1+(tep2/tep1)^(1.0/(m1-1))); else if (i-V1(1))^2<0.01 U1(1,i)=1.0; else U1(2,i)=0.0; end if (i-V1(2))^2<0.01 U1(1,i)=0.0; else U1(2,i)=1.0; end end end tep1=0.0; tep2=0.0; tep3=0.0; tep4=0.0; for i=1:l %求迭代过程中的聚类中心 tep1=tep1+h(i)*(i)*U1(1,i)^m1; tep2=tep2+h(i)*U1(1,i)^m1; tep3=tep3+h(i)*(i)*U1(2,i)^m1; tep4=tep4+h(i)*U1(2,i)^m1; end V2(1)=tep1/tep2; V2(2)=tep3/tep4; if (V1(1)-V2(1))^2<0.01&(V1(2)-V2(2))^2<0.01 diedai=0; %迭代停止判断 阈值取ε=0.01 else V1(1)=V2(1); V1(2)=V2(2); end end I1=zeros(m,n); % m ,n 为图像的尺度 for i=1:m % 二值化图像 for j=1:n if (I(i,j)-V2(1))^2>(I(i,j)-V2(2))^2 % 距离聚类中心近，则将二值图数值置为1（250）， 否则，置为0(黑色) I1(i,j)=250; else I1(i,j)=0; end end end figure(2); I1=uint8(I1); % 转换为无符号型整数 8表示8位二进制整数 范围0~255 imshow(I1);title('分割后的图像'); %显示分割后的图像