在经典模糊C均值算法的基础上，用五种方法改进方法同时实现不同图形的分割，并且也附带硬C均值算法的实现。

自己根据meanshift原理写的图像分割程序，运行非常非常慢，有助于理解meanshift的理论

假设某图像的灰度直方图具有二峰性（ f(Ta)=Ha; f(Tb)=Hb ），表明这个图像较亮的区域和较暗的区域可以较好地分离。取二峰间的谷点为阈值Th，可以得到好的二值处理的效果。

Matlab写的区域生长图像分割程序。 %区域生长算法:region function LabelImage=region(image,seed,Threshold,maxv) %image:输入图像 %seed：种子点坐标堆栈 %threshold：用邻域近似生长规则的阈值 %maxv：所有生长的像素的范围小于maxv % LabelImage:输出的标记图像，其中每个像素所述区域标记为rn [seedNum,tem]=size(seed);%seedNum为种子个数 [Width,Height]=size(image); LabelImage=zeros(Width,Height); rn=0;%区域标记号码 for i=1:seedNum %从没有被标记的种子点开始进行生长 if LabelImage(seed(i,1),seed(i,2))==0 rn=rn+1;% %对当前生长区域赋标号值 LabelImage(seed(i,1),seed(i,2))=rn; % end stack(1,1)=seed(i,1);%将种子点压入堆栈（堆栈用来在生长过程中的数据坐标） stack(1,2)=seed(i,2); Start=1;%定义堆栈起点和终点 End=1; while(Start<=End) %当前种子点坐标 CurrX=stack(Start,1); CurrY=stack(Start,2); %对当前点的8邻域进行遍历 for m=-1:1 for n=-1:1 % %判断像素（CurrX，CurrY）是否在图像内部 % rule1=(CurrX+m)=1&(CurrY+n)=1; % %判断像素（CurrX，CurrY）是否已经处理过 % rule2=LabelImage(CurrX+m,CurrY+n)==0; % %判断生长条件是否满足 % rule3=abs(double(image(CurrX,CurrY))-double(image(CurrX+m,CurrY+n)))

2019-12-21 19:58:30 2KB 区域生长图像分割

1