1 簡介

為確定圖像分割的最佳閾值,基于粒子群優(yōu)化算法提出了一種多閾值圖像分割方法.由最大熵或最大類間方差法得到優(yōu)化的目標(biāo)函數(shù),用粒子群算法對其進行優(yōu)化,得到分割的最佳閾值,并用該閾值對圖像進行分割.將分割結(jié)果與遺傳算法的多閾值分割結(jié)果相比較可以看出,該算法不僅可實現(xiàn)正確的圖像分割,并可使分割速度大大提高.

2 部分代碼

clc ; clear ; close all ;                 %清屏，刪除已有的變量和窗口,tic和toc用來給程序計時 %% 輸入圖像； Imag = imread ( ’24063.jpg’ ); %296059   Imag = rgb2gray ( Imag ); Image_Shangmax = Imag ; %% 開始種群等基本定義 N = 500 ;                           % 初始種群個數(shù) d = 3 ;                             % 閾值個數(shù)（參看上述的函數(shù)表達式） ger = 300 ;                         % 最大迭代次數(shù)     plimit = [ 1 , 256 ];           %% 作圖 figure ( 3 ); plot ( record );                 %畫出最大值的變化過程 title ( ’收斂過程’ ) threshold1 = ym ( 1 ); threshold2 = ym ( 2 ); threshold3 = ym ( 3 ); [ height , length ]= size ( Image_Shangmax ); for i = 1 : length     for j = 1 : height         if Image_Shangmax ( j , i ) > threshold3             Image_Shangmax ( j , i )= 255 ;         elseif Image_Shangmax ( j , i ) > threshold2 && Image_Shangmax ( j , i ) < = threshold3             Image_Shangmax ( j , i )= 165 ;         elseif Image_Shangmax ( j , i ) > threshold1 && Image_Shangmax ( j , i ) < = threshold2             Image_Shangmax ( j , i )= 80 ;         else               Image_Shangmax ( j , i )= 0 ;         end     end end figure ( 4 ); imshow ( Image_Shangmax ); xlabel ([ ’最大熵法閾值’ , num2str ( ym )]); %% 適應(yīng)度函數(shù) function fx = f ( x ) Imag = imread ( ’24063.jpg’ ); %296059   Imag = rgb2gray ( Imag ); [ height , length ]= size ( Imag ); totalNum = height * length ; pixelCount = zeros ( 1 , 256 ); %統(tǒng)計各個像素值的個數(shù) for i = 1 : length     for j = 1 : height         number = Imag ( j , i ) +1 ;         pixelCount ( number )= pixelCount ( number ) +1 ;     end end pi = pixelCount / totalNum ;   %pi 灰度級為i的像素出現(xiàn)的概率 fx = zeros ( 1 , 500 ); for i = 1 : 500     m = x ( i , 1 );     n = x ( i , 2 ); k = x ( i , 3 );     w0 = sum ( pi ( 1 : m ));     w1 = sum ( pi ( m +1 : n ));     w2 = sum ( pi ( n +1 : 256 ));     w3 = sum ( pi ( k +1 : 256 ));   H0 = 0 ;   H1 = 0 ;   H2 = 0 ;   H3 = 0 ;     for j = 1 : m         if w0 > 0 && pi ( 1 , j ) / w0 ~ = 0             H0 = H0 - ( pi ( 1 , j ) / w0 ) .* log ( pi ( 1 , j ) / w0 ); %計算各個閾值下的前景熵         else             H0 = H0 ;         end       end         for j = m +1 : n         if w1 > 0 && pi ( 1 , j ) / w1 ~ = 0             H1 = H1 - ( pi ( 1 , j ) / w1 ) .* log ( pi ( 1 , j ) / w1 ); %計算各個閾值下的背景熵         else             H1 = H1 ;         end       end         for j = n +1 : k         if w2 > 0 && pi ( 1 , j ) / w2 ~ = 0             H2 = H2 - ( pi ( 1 , j ) / w2 ) .* log ( pi ( 1 , j ) / w2 ); %計算各個閾值下的背景熵         else             H2 = H2 ;         end       end         for j = k +1 : 256         if w3 > 0 && pi ( 1 , j ) / w3 ~ = 0             H3 = H3 - ( pi ( 1 , j ) / w3 ) .* log ( pi ( 1 , j ) / w3 ); %計算各個閾值下的背景熵         else             H3 = H3 ;         end       end     fx ( i )= H0 + H1 + H2 + H3 ;     end end

3 仿真結(jié)果

4 參考文獻

[1]韋苗苗,江銘炎. (2005). 基于粒子群優(yōu)化算法的多閾值圖像分割. 山東大學(xué)學(xué)報：工學(xué)版, 35(6), 4.

部分理論引用網(wǎng)絡(luò)文獻，若有侵權(quán)聯(lián)系博主刪除。

微信掃一掃贊賞作者 贊賞

長按二維碼向我轉(zhuǎn)賬

受蘋果公司新規(guī)定影響，微信 iOS 版的贊賞功能被關(guān)閉，可通過二維碼轉(zhuǎn)賬支持公眾號。