图像分割 模糊聚类分割算法 通过MATLAB实现的C聚类分割算法

% 聚类方法：C－均值算法 clear;clc; % 清内存，工作空间及命令行空间 disp(strvcat('基于C－均值算法的特征点聚类',strcat(datestr(now)))); % S=double(imread('cluster.bmp'));% 读取源图像 S=double(imread('c1.bmp'));% 读取源图像 [sr sc] = find(S==0); % sr,sc存储源图中待聚类点的坐标 len = length(sr); % len存储源图中待聚类点的个数 group = zeros(len,1); % group存储特征点与类相对应的情况 c_num = 0; % c_num存储聚类次数 yesno='n'; while yesno=='n' | yesno=='N' disp('请输入类别数：'); C=input('C='); % 聚类中心数 tic; % 计时开始 % i是特征点控制变量 % j,k是聚类中心控制变量 mr = zeros(C,1); mc = zeros(C,1); % 初始化聚类中心坐标 mr(1,1) = sr(1,1); mc(1,1) = sc(1,1); % 第一个聚类中心的初始坐标为源图中第一个特征点的坐标 for k = 2:1:C % 计算第k个聚类中心的初始坐标 maxd = zeros(len,1); for j = 1:1:k-1 % 求每个特征点与前k-1个聚类中心的距离之和 i = 1:1:len; d = (sr(i)-mr(j)).^2+(sc(i)-mc(j)).^2; maxd = maxd+d; end d=find(maxd==max(maxd)); % 第k个聚类中心是与前k-1个聚类中心相距最远的特征点 mr(k,1)=sr(d(1),1); mc(k,1)=sc(d(1),1); end mrtemp = zeros(C,1); mctemp = zeros(C,1); N = zeros(C,1); for i=1:1:len % 基于初始聚类中心，进行初始划分 k=1:1:C; d=(sr(i)-mr(k)).^2+(sc(i)-mc(k)).^2; g=find(d==min(d)); group(i)=g(1); N(g(1),1) = N(g(1),1)+1; mrtemp(g(1),1) = mrtemp(g(1),1)+sr(i); mctemp(g(1),1) = mctemp(g(1),1)+sc(i); end mr(:) =0; mc(:) =0; N(find(N==0))=1; mr=mrtemp./N; mc=mctemp./N; % 基于初始划分，重新计算聚类中心 Je=0; for i=1:1:len % 基于初始划分，计算误差平方和 Je = Je+(sr(i)-mr(group(i))).^2+(sc(i)-mc(group(i))).^2; end no_change =1; while no_change==1 % 连续迭代thre次，Je不变，则停止聚类 ifbreak = 0; for i=1:1:len if N(group(i))~=0 k=1:1:C; % 计算p d=(N(k).*((sr(i)-mr(k)).^2+(sc(i)-mc(k)).^2))./(N(k)+1); d(group(i))=(N(group(i)).*((sr(i)-mr(group(i))).^2+(sc(i)-mc(group(i))).^2))./(N(group(i))-1); g=find(d==min(d)); if g(1)~=group(i) % 如果pk<=pj,把特征点从i类移到k类 mrtemp(group(i))=mrtemp(group(i))-sr(i); % 把特征点从i类中移出 mctemp(group(i))=mctemp(group(i))-sc(i); N(group(i))=N(group(i))-1; group(i)=g(1); % 修改特征点的类别归属 mrtemp(g(1))=mrtemp(g(1))+sr(i); % 把特征点移入k类 mctemp(g(1))=mctemp(g(1))+sc(i); N(g(1))=N(g(1))+1; mr(:)=0; mc(:)=0; N(find(N==0))=1; mr=mrtemp./N; mc=mctemp./N; % 重新计算聚类中心 Je=0; for i=1:1:len % 计算误差平方和 Je = Je+(sr(i)-mr(group(i))).^2+(sc(i)-mc(group(i))).^2; end ifbreak=1; end end end no_change=ifbreak==1; end time=toc; figure; hold on; % color='.r.g.b.m.c.y';col2='rgbmcy';%'gbrymc'; for k=1:1:C rtemp=sr(find(group==k)); ctemp=sc(find(group==k)); plot(rtemp,ctemp,[color((k-1)*2+1),color((k-1)*2+2)]); rectangle('Position',[round(mr(k)),round(mc(k)),3,3],'Curvature',[1,1],'FaceColor',col2(k)); end title(['类别数为',num2str(C),', 聚类时间',num2str(time),'s']); hold off; c_num=c_num+1; judge(c_num,1)=C; judge(c_num,2)=Je; % judge存储类别数和误差平方和 figure; plot(judge(:,1),judge(:,2),'-s','MarkerFaceColor','g'); disp('是否结束聚类?'); yesno=input('Y/N? ','s'); end