【图像分割】RGB颜色分层图像分割【含Matlab源码 516期】

原创已于 2024-11-21 16:37:31 修改 · 1.3k 阅读

16 ·

CC 4.0 BY-SA版权

文章标签：

#matlab

于 2024-02-04 22:37:40 首次发布

Matlab图像处理（进阶版）专栏收录该内容

1244 篇文章

订阅专栏

本文介绍了使用Matlab进行图像分割的方法，通过K-means聚类算法对bird_small.tiff图像进行分段，提供了详细的源代码和2014a版本Matlab环境。作者还分享了相关仿真实验和优化算法的应用示例。

💥💥💥💥💥💥💥💥💞💞💞💞💞💞💞💞💞Matlab武动乾坤博客之家💞💞💞💞💞💞💞💞💞💥💥💥💥💥💥💥💥
🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀
在这里插入图片描述
🔊博主简介：985研究生，Matlab领域科研开发者；

🚅座右铭：行百里者，半于九十。

🏆代码获取方式：
优快云 Matlab武动乾坤—代码获取方式

更多Matlab图像处理仿真内容点击👇
①Matlab图像处理（进阶版）

⛳️关注优快云 Matlab武动乾坤，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 all; close all; clc;
A = double(imread(‘bird_small.tiff’));% 载入图片
dim = size(A,1); % 图片行数
k = 16; % 颜色分类的层数
means = zeros(k, 3); % Initialize means to randomly-selected colors in the original photo.
rand_x = ceil(dimrand(k, 1));%初始means是k行k列随机数作为聚类中心
rand_y = ceil(dimrand(k, 1));
for i = 1:k
means(i,:) = A(rand_x(i), rand_y(i), 😃;%在图像中找到初始聚类中心
end
for itr=1:100
s_x=zeros(k,3);
s_ind=zeros(k,1);
for i=1:dim
for j=1:dim
r=A(i,j,1);g=A(i,j,2);b=A(i,j,3);
[val ind]=min(sum((repmat([r,g,b],k,1)-means).^2,2));
%repmat(A,k,1)对A矩阵进行k行的复制
s_x(ind,:)=s_x(ind,:)+[r,g,b];
s_ind(ind)=s_ind(ind)+1;
end
end
for ii=1:k
if s_ind(ii)>0
s_x(ii,:)=s_x(ii,:)./s_ind(ii);
end
end
d=sum(sqrt(sum((s_x-means).^2,2)));%计算距离
if d<1e-5
break
end
means=s_x;
end
means = round(means);
itr

figure; hold on
for i=1:k
col = (1/255).*means(i,:);
rectangle(‘Position’, [i, 0, 1, 1], ‘FaceColor’, col, ‘EdgeColor’, col);
end
axis off
large_image = double(imread(‘bird_large.tiff’));
figure;imshow(uint8(round(large_image)));
large_dim = size(large_image, 1);
for i = 1:large_dim
for j = 1:large_dim
r = large_image(i,j,1); g = large_image(i,j,2); b = large_image(i,j,3);

    large_image(i,j,:) = means(ind,:);
end

⛄三、运行结果

在这里插入图片描述

⛄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