与一维传递函数相比，多维传递函数可以对体积对象进行更复杂的分类。但 是，当传递函数空间的维数超过 3-D 时，将其可视化和操作是不直观的，这使得 用户交互变得困难。所以针对多维传递函数的设计问题，提出了一种二维聚类方 法。一阶自组织图聚类（SOM）将高维特征数据投影到二维拓扑保留图中。二 阶聚类降低了 SOM 神经元的设计自由度。从大量的 SOM 神经元到可管理的簇。 在提供信息的 SOM 网络的指导下，用户通过选择集群以交互方式发现体素中有 趣的结构，在必要时可视化和修改集群结果。我们的界面跟踪发现的每一个有趣 的结构，这不仅允许用户仔细检查单个结构，还允许他们通过合并被认为重要的 结构来形成最终的可视化效果。 最后用 QT 实现了一个可视化软件，导入体数据，体数据对应的类，对应类 的颜色表和 SOM 拓扑图对应的类这些文件，就可以通过光线投射算法来可视化 对应的三维体数据，因为我们采取了多维传递函数，所以效果比直接光线投射算 法更加好，能分出更加复杂的类，这个可视化软件能应用于海洋学、生物、医学 等学科，比如医学医生可以选取自己感兴趣的类并重点观察自己感兴趣的类。

ncut北方工大 c# 实验集合（所有实验在一个工程里） 可以参考 希望大家多多努力。

Ncut算法源程序，希望对大家有所帮助！

图像矩阵matlab代码

Ncut程序Matlab源代码及部分待分割图像，我试着运行过，可以！不过作者好像又用了一些高斯平滑等预处理

Ncut聚类算法，可以直接运行，有例子，程序有注释。

在图像处理与目标识别中广为应用的阈值法是图像分割的一种重要方法，因此如何确定阈值是图像分割的关键。提出了一种新的图像阈值分割方法，把图像的一维灰度直方图的灰度级L和对应灰度级L的概率P视为二维平面上的点（L，P），采用新的相似度函数来定义这些点之间的相似度，从而构建基于灰度级的相似度矩阵，然后使用正则割（Ncut）进行分类，根据分类结果确定图像的分割阈值。算法用基于灰度级的权值矩阵代替基于像素级的权值矩阵来描述图像像素的关系，因而需要的存储空间及实现的复杂性大大减少；与现有的阈值分割方法相比，该算法能够单阈值和多阈值分割图像，因此具有更为优越的性能。

对原作者的NCUT切割算法进行了少部分改进，取消了只能将图像压缩到160*160才能切割的限制，根据切割过程搭建了界面。

matlab代码不用编译直接运行，网上整理的超好用的代码

最新Ncut算法，可用于实现聚类等操作，快捷有效