【图像分割】基于遗传算法的彩色图像二维熵多阈值自适应分割matlab代码

1 简介

提出一种基于遗传算法的二维熵多阈值自适应图像分割方法.在分析研究二维熵阈值分割原理的基础上,将可变码长的遗传算法应用于多阈值分割处理过程,采用基于多阈值的整数编码方式,将图像分割的类别数即染色体的码长融合到适应度函数中,从而实现了在对阈值寻优的同时得以优化分割类别数,最终实现图像的多阈值自适应分割处理.实验分析结果表明,该方法具有实现阈值寻优速度快,最优解对应图像分割效果好的特点.

2 部分代码

clc ; clear ; close all ;                 %清屏，删除已有的变量和窗口 %% 输入图像； Imag = imread ( ’24063.jpg’ ); %296059   Imag = rgb2gray ( Imag ); Image_OSTU = Imag ; %种群大小 popsize = 100 ; %二进制编码长度 chromlength = 8 ; %交叉概率 pc = 0.6 ; %变异概率 pm = 0.001 ; %初始种群 pop = initpop ( popsize , chromlength ); ger = 5000 ;                         % 最大迭代次数 iter = 1 ;                             %初始的迭代次数因为用while设置为一 record = zeros ( ger , 1 );             %记录器 while iter < = ger     %计算适应度值（函数值）     objvalue = cal_objvalue ( pop );     fitvalue = objvalue ;     %选择操作     newpop = selection ( pop , fitvalue );     %交叉操作     newpop = crossover ( newpop , pc );     %变异操作     newpop = mutation ( newpop , pm );     %更新种群     pop = newpop ;     %寻找最优解   [ bestindividual , bestfit ] = best ( pop , fitvalue );     record ( iter ) = bestfit ;             %记录最大值     iter = iter +1 ; end %% 作图   figure ( 3 );     plot ( record );                 %画出最大值的变化过程     title ( ’收敛过程’ ) l , bestfit ] = best ( pop , fitvalue ) [ px , py , pz ] = size ( pop ); %获取矩阵的行数和列数，size（）将矩阵的行数给px，列数给py bestindividual = pop ( 1 ,:,:); %把第一行的所有列弹出 赋给bestindividual，pop() 函数用于移除列表中的一个元素（默认最后一个元素），并且返回该元素的值。 bestfit = fitvalue ( 1 ); %这两行相当于在初始化最佳个体和最佳适应度值 for i = 2 : px %for循环从第二行开始，     if fitvalue ( i ) > bestfit %如果改行的适应值大于最佳适应值，         bestindividual = pop ( i ,:,:); %把该行作为最佳个体，         bestfit = fitvalue ( i ); %该行适应值为最佳适应值     end end end

3 仿真结果

4 参考文献

[1]常发亮, 刘静, and 乔谊正. "基于遗传算法的彩色图像二维熵多阈值自适应分割." 控制与决策 20.6(2005):5.

部分理论引用网络文献，若有侵权联系博主删除。

微信扫一扫赞赏作者 赞赏

长按二维码向我转账

受苹果公司新规定影响，微信 iOS 版的赞赏功能被关闭，可通过二维码转账支持公众号。