遗传算法优化otsu分割问题python实现

本文介绍了遗传算法在解决Otsu分割问题中的应用,详细讲解了种群编码、选择、交换和变异策略,并提供了核心代码实现。讨论了遗传算法中的潜在问题,如轮盘选择法的缺点及改进措施,以及停止条件的设定。最后,给出了代码下载链接。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

杭电模式识别课程设计作业

最大类间方差法(Otsu)

详见https://www.cnblogs.com/xiaomanon/p/4110006.html,这里就不去赘述了。

遗传算法策略

关于遗传算法的详解什么的,可以参考其他的类似文章,下面讲讲我自己的策略

种群编码策略

二进制,优点在于方便理解,缺点在于python对于二进制数的处理有点鸡肋。

选择策略

轮盘选择法(有待改进)
缺点在于:若变异产生了一个新的最大值(更接近于最优值),但是其种群数量就只有1,远远比不上当前的最大值(离最优值远一点)。若直接使用轮盘选择法,那么这个新变异出来的值就会被覆盖掉。
改进:强制将上一代中最大的值进行保留,这样使得种群不会退化

交换策略

从基因一半往后的位置开始交换,这样有利于保持当前的最优值,使得交换之后的种群不至于很差。(待改进,对于最大值个体不进行交换操作)

  • Step1:产生一个概率,若小于交换概率,那么进行step2往后,否则处理下一个个体;

  • Step1:将种群的population乱序排列,取出前一半作为father,后一半作为mother;

    Step2:产生half-end的随机位置,然后从father和mother中各选出一位出来配对,交换。

变异策略

对于每一个个体,对于任意位置产生一位变异,但是变异概率不宜设计的很大,这样会导致种群不容易收敛。(待改进,对于最大值个体不进行变异操作)

  • Step1:产生一个概率,若小于变异的概率,那么进行step2往后,否则处理下一个个体;
  • Step2:产生一个随机位置start-end;
  • Step3:将该个体位置对应的随机位置的值取反。

停止条件

需满足以下其一即可:
1:满足种群迭代的最大值;
2:种群的0.98的个体都指向同一个值。

核心代码

otsu

import cv2
import numpy as np
import matplotlib.pyplot as plt

GRAY_SCALE = 256


def otsuth(img, threshold):
    image_gray = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)

    # fg_pro = np.zeros((1, GRAY_SCALE))
    # bg_pro = np.zeros((1, GRAY_SCALE))

    # fg_sum = 0
    # bg_sum = 0
    # for col in image_gray:
    #     for pix in col:
    #         if pix > threshold:
    #             fg_pro[0, pix] += 1
    #             fg_sum += pix
    #         else:
    #             bg_pro[0, pix] += 1
    #             bg_sum += pix
    #
    # if fg_sum != 0:
    #     fg_pro = fg_pro / fg_sum
    # if bg_sum != 0:
    #     bg_pro = bg_pro / bg_sum

    fg_pix = image_gray > threshold
    bg_pix = image_gray <= threshold

    w0 = float(np.sum(fg_pix)) / image_gray.size
    w1 = float(np.sum(bg_pix)) / image_gray.size
    
    u0 = 0
    u1 = 0
    if np.sum(fg_pix) != 0:
        u0 = np.sum(image_gray * fg_pix) / np.sum(fg_pix)
    if np.sum</
评论 7
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值