1 簡介

聚類就是把具有相似性的事物區(qū)分開并加以分類。聚類分析是依據(jù)研究對象(樣品

或指標(biāo))的特征，對其進行分類。其目標(biāo)是：組內(nèi)對象之間是相似的或是相關(guān)的，而不同組中的對象不相同或者是不相關(guān)的，聚類過程中要求分類準(zhǔn)確，分類的過程和結(jié)果是可以重復(fù)的，但分類并不依賴于分析者的主觀判斷。聚類分析作為多元統(tǒng)計分析的方法之一，也是統(tǒng)計模式識別中的非監(jiān)督模式識別的一個重要分支。

聚類可以看作是一種分類，用類標(biāo)號從而創(chuàng)建對象的標(biāo)記，多數(shù)情況下我們對于分

類識別的對象是未知的，因此聚類分析通常也被稱為無監(jiān)督分類。與此相反，用一個由類標(biāo)號已知的對象建立的模型，對新的、無標(biāo)記的對象賦予一個類的標(biāo)號稱為有監(jiān)督分類。在現(xiàn)實中由于事物的復(fù)雜性，聚類對象之問的界限往往不是特別清晰，比如對于腦組織核磁共振圖像這樣的醫(yī)學(xué)圖像來說，由于不同腦組織(如白質(zhì)、灰質(zhì)和腦脊液)等混雜在一起會導(dǎo)致圖像更加不清晰。因此使用基于多元統(tǒng)計分析的聚類方法分析腦組織核磁共振圖像將會受到極大的限制。模糊集合的出現(xiàn)，讓傳統(tǒng)的聚類分析看到了曙光，從而出現(xiàn)了基于模糊集理論的聚類方法——模糊聚類分析。通過模糊聚類分析能夠客觀地描述具有不明性的對象，使得實際的聚類結(jié)果更加準(zhǔn)確合理。

目前，應(yīng)用最廣泛的是模糊C均值聚類算法，簡稱FCM算法。該方法通過對目標(biāo)函

數(shù)的迭代優(yōu)化獲取對數(shù)據(jù)集的模糊分類，即將聚類歸結(jié)為一個帶有約束的非線性規(guī)劃問題，這種方法設(shè)計簡單，可以轉(zhuǎn)化為優(yōu)化問題進行求解，在計算機上實現(xiàn)比較容易，另外，模糊C均值聚類在圖像分割中是一種無監(jiān)督模糊聚類的標(biāo)定過程，因此這種方法從理論上看很適合醫(yī)學(xué)圖像的分割。

傳統(tǒng)的?FCM?算法，對沒有被噪聲污染的圖像有很好的分割效果，但對于被噪聲污

染的圖像，如圖(3-1)所示，分割效果不太理想。這種對噪聲敏感實質(zhì)上是由于沒有利用被分割像素的空間位置信息，忽略了像素之間的鄰域信息，因此對于信噪比低的圖像，分割效果很不理想。在圖像分割過程中，既能減少各種噪聲的干擾，又能對原始圖像信息進行精確分類是基于標(biāo)準(zhǔn)?FCM?圖像分割方法需要改進的一個方向。

2 部分代碼

clear all;clc;% image = load('im.txt');image = imread('017.jpg');[row,col,channels] = size(image);if (channels > 1) ? ?image = rgb2gray(image); ? ?figure; ? ?subplot(131) ? ?imshow(image); ? ?title('原圖像')else ? ?figure; ? ?subplot(131) ? ?imshow(image); ? ?title('原圖像')end%對輸入圖像進行高斯濾波originimg=image;originimg=mat2gray(originimg);[ori_row,ori_col]=size(originimg);sigma = 1.6; ? ? ?%sigma賦值N = 7; ? ? ? ? ? ?%大小是（2N+1）×（2N+1）N_row = 2*N+1; OriImage_noise = imnoise(originimg,'gaussian'); %加噪 gausFilter = fspecial('gaussian',[N_row N_row],sigma); ? ? ?%matlab 自帶高斯模板濾波img=imfilter(OriImage_noise,gausFilter,'conv');%figure;subplot(132)imshow(img);title('高斯濾波后')key_mat = []; ?% 定義一個空的關(guān)鍵像素矩陣non_key_mat = []; ?%非關(guān)鍵像素矩陣for i = 2:3:row ? ?for j = 2:3:col ? ? ? ?if row-i<1|col-j<1 ? ? ? ? ? ?continue; ? ? ? ?end ? ? ? ?window_image = img(i-1:i+1,j-1:j+1); ? ? ? ?[r,c] = size(window_image); ? ? ? ?max_value = max(max(window_image)); ?% 窗口最大值 ? ? ? ?[x,y] = find(window_image==max_value); ? ? ? ?key_mat = [key_mat;[i-2+x(1),j-2+y(1),max_value]]; ? ? ? ?img(i-2+x(1),j-2+y(1))=-1;% ? ? ? ? for m = 1:r% ? ? ? ? ? ? for n = 1:c% ? ? ? ? ? ? ? ? non_key_mat = [non_key_mat;i-2+m,j-2+n,window_image(m,n)];% ? ? ? ? ? ? end% ? ? ? ? end ? ?endend[r,c]=find(img ~=-1);value = (img(find(img ~=-1)));non_key_mat = [r c value];% for m = 1:row% ? ? for n = 1:col% ? ? ? ? tmp = [m,n,img(m,n)];% ? ? ? ? if ismember(tmp,key_mat,'rows') == 1% ? ? ? ? ? ? continue;% ? ? ? ? end% ? ? ? ? non_key_mat = [non_key_mat;tmp];% ? ? end% endNew_img = key_mat(:,3);New_coord = key_mat(:,1:2);cNum = 2;m = 2;winSize = 5;maxIter = 59;thrE ? ?= 0.00001;% FLICM[imOut,iter] = FLICM_clustering( New_img, cNum, m, winSize, maxIter, thrE );imOut = double(imOut);key_mat = [key_mat imOut];figure;gscatter(key_mat(:,1),key_mat(:,2),imOut);size(non_key_mat);size(key_mat);key_mat;%key_mat = sortrows(key_mat,[1 2])%img(find(img==-1));% [xx,yy] = find(img ==-1);% key = sortrows([yy xx],1)% img(find(img==-1)) = key_mat(:,4)for i = 1:size(non_key_mat,1) ? ?z = ones(1,size(key_mat,1))*non_key_mat(i,1); ? ?z=z'; ? ?zc = ones(1,size(key_mat,1))*non_key_mat(i,2); ? ?zc=zc'; ? ?size(key_mat(:,1)); ? ?dis = (z-key_mat(:,1)).* (z-key_mat(:,1))+(zc-key_mat(:,2)).*(zc-key_mat(:,2)); ? ?dis = sqrt(dis); ? ?[labelx,labely] = min(dis); ? ?dis = sort(dis); ? ?xx = key_mat(labely,:); ? ?img(non_key_mat(i,1),non_key_mat(i,2)) = xx(4);endfor j = 1:size(key_mat,1) ? ?img(key_mat(j,1),key_mat(j,2)) = key_mat(j,4); end% figure;% imshow(img,[]);subplot(133)imagesc(label2rgb(img,'jet','w','shuffle'))axis image; axis off;set(gca,'position',[0 0 1 1]);axis normal ? ? ?title('FLFCM分割圖') ?

3 仿真結(jié)果

4 參考文獻

[1]詹新玲. 基于FLICM模糊聚類和水平集算法的醫(yī)學(xué)圖像分割[D]. 河北大學(xué).

博主簡介：擅長智能優(yōu)化算法、神經(jīng)網(wǎng)絡(luò)預(yù)測、信號處理、元胞自動機、圖像處理、路徑規(guī)劃、無人機等多種領(lǐng)域的Matlab仿真，相關(guān)matlab代碼問題可私信交流。

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