💥💥💥💥💥💥💞💞💞💞💞💞💞💞欢迎来到海神之光博客之家💞💞💞💞💞💞💞💞💥💥💥💥💥💥
✅博主简介：热爱科研的Matlab仿真开发者，修心和技术同步精进；
🍎个人主页：海神之光
🏆代码获取方式：
海神之光Matlab王者学习之路—代码获取方式
⛳️座右铭：行百里者，半于九十。
更多Matlab图像处理仿真内容点击👇
①Matlab图像处理（进阶版）
②付费专栏Matlab图像处理（初级版）
⛳️关注CSDN海神之光，更多资源等你来！！
⛄一、图像分割简介
理论知识参考：【基础教程】基于matlab图像处理图像分割【含Matlab源码 191期】
⛄二、部分源代码
clear
close all
clc
clear
close all
clc
%% %%%%%%%%%%%%%%%图像%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
I=imread(‘3096.jpg’);
if size(I,3) == 3
I=rgb2gray(I);
else
end
figure;imshow(I);title(‘(a)原始图像’);imwrite(I,‘1.tiff’,‘tiff’,‘Resolution’,300);%保存为tif
%I=I;%不加噪声
% I=imnoise(I,‘speckle’,deta_2);
I=imnoise(I,‘salt & pepper’,0.05); %加噪图椒盐噪声
% I=imnoise(I,‘gaussian’,0,0.01); % 加高斯噪声
figure;imshow(I);title(‘(b)加噪图像’);imwrite(I,[‘2.’,‘.tiff’],‘tiff’,‘Resolution’,300);%保存为tif
[m,n]=size(I);
% k=4;
k=2;
r=3;
m_index=2;
beta=6;
neighbor=3;%3*3邻域去噪
lamda_s_enfcm=3;%s参数
I=im2double(I);
I4 = I(😃; %% 将图像灰度按列排列
%% ------------------------ ifcm------------------------
ifcm_label=zeros(m*n,1);
t=cputime;
tic;
[O2, U2, obj_fcn2] = ifcm(I4, k);
toc;
time_fcm_spatial_mean=cputime-t;
maxU2 = max(U2); %隶属度最大
for j=1:k
index = find(U2(j, 😃 == maxU2); %隶属度最大对应的像素位置
ifcm_label(index) = j;
end
labels2=reshape(ifcm_label,[m n]);
%显示聚类分割图
labels2(find(labels21))=0;
labels2(find(labels22))=255;
labels2(find(labels23))=125;
labels2(find(labels24))=180;
labels2=uint8(labels2);
% figure;imshow(labels2,[]);title(‘©聚类分割图’);imwrite(labels2,‘3.jpg’);imwrite(labels2,‘33.png’)%保存为jpg
figure;imshow(labels2,[]);title(‘©聚类分割图’);
imwrite(labels2,[‘3.1.’,‘.tiff’],‘tiff’,‘Resolution’,300);%保存为tif
function [center, U, obj_fcn] = ifcm(data,cluster_n)
if nargin ~= 2 & nargin ~= 3,
error(‘Too many or too few input arguments!’);
end
data_n = size(data, 1);
in_n = size(data, 2);
% Change the following to set default options
default_options = [2; % exponent for the partition matrix U
100; % max. number of iteration
1e-5; % min. amount of improvement
1]; % info display during iteration
if nargin == 2,
options = default_options;
else
% If “options” is not fully specified, pad it with default values.
if length(options) < 4,
tmp = default_options;
tmp(1:length(options)) = options;
options = tmp;
end
% If some entries of “options” are nan’s, replace them with defaults.
nan_index = find(isnan(options)==1);
options(nan_index) = default_options(nan_index);
if options(1) <= 1,
error(‘The exponent should be greater than 1!’);
end
end
expo = options(1); % Exponent for U
max_iter = options(2); % Max. iteration
min_impro = options(3); % Min. improvement
display = options(4); % Display info or not
obj_fcn = zeros(max_iter, 1); % Array for objective function
%U = initfcm(cluster_n, data_n); % Initial fuzzy partition
center= initifcmv(cluster_n); %初始化聚类中心
[Miuij,Vij,Paiij]=initifcmmvp(data);
for i = 1:max_iter,
[U, center, obj_fcn(i)] = ifcm_step(data, center, cluster_n, expo, Miuij,Vij,Paiij);
if display,
fprintf(‘Iteration count = %d, obj. fcn = %f\n’, i, obj_fcn(i));
end
% check termination condition
if i>1
% if abs(obj_fcn(i) - obj_fcn(i-1)) < min_impro, break; end,
% if norm(old_U-U,2) < min_impro, break; end,
% if norm(old_U-U,‘fro’) < min_impro, break; end,
if norm(old_center-center,2) < min_impro, break; end,
% (old_center-center).^2
end old_U = U; old_center = center;end
% iter_n = i; % Actual number of iterations
% % obj_fcn(iter_n+1:max_iter) = [];
% mf = old_U.^expo; % 隶属度矩阵进行指数运算结果
% dist = distfcm(old_center, data); % 计算距离矩阵
% obj_fcn = sum(sum((dist.^2).*mf)); % 计算目标函数值
⛄三、运行结果
⛄四、matlab版本及参考文献
1 matlab版本
2014a
2 参考文献
[1]赵勇,方宗德,庞辉,王侃伟.基于量子粒子群优化算法的最小交叉熵多阈值图像分割[J].计算机应用研究. 2008,(04)
3 备注
简介此部分摘自互联网，仅供参考，若侵权，联系删除
🍅 仿真咨询
1 各类智能优化算法改进及应用
生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化
2 机器学习和深度学习方面
卷积神经网络（CNN）、LSTM、支持向量机（SVM）、最小二乘支持向量机（LSSVM）、极限学习机（ELM）、核极限学习机（KELM）、BP、RBF、宽度学习、DBN、RF、RBF、DELM、XGBOOST、TCN实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断
3 图像处理方面
图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知
4 路径规划方面
旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、车辆协同无人机路径规划、天线线性阵列分布优化、车间布局优化
5 无人机应用方面
无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配
6 无线传感器定位及布局方面
传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化
7 信号处理方面
信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化
8 电力系统方面
微电网优化、无功优化、配电网重构、储能配置
9 元胞自动机方面
交通流 人群疏散 病毒扩散 晶体生长
10 雷达方面
卡尔曼滤波跟踪、航迹关联、航迹融合
