【阙值分割】基于matlab粒子群算法自适应多阈值图像分割【含Matlab源码 1459期】

一、粒子群算法自适应多阈值图像分割简介

理论知识参考：【基础教程】基于matlab图像处理图像分割【含Matlab源码 191期】
粒子群优化的多阈值图像自分割算法

二、部分源代码

clc;clear;close all;                

%% 输入图像；
Imag = imread('24063.jpg');%296059   
Imag=rgb2gray(Imag);
Image_OSTU=Imag;

%% 开始种群等基本定义
N = 500;                           % 初始种群个数
d = 2;                             % 阈值个数（参看上述的函数表达式）
ger = 300;                         % 最大迭代次数     
plimit = [1,256];
          
vlimit = [-2.5, 2.5;-2.5, 2.5];    % 设置速度限制
w = 0.8;                           % 惯性权重,个体历史成绩对现在的影响0.5~1之间
%还有自适应调整权重、随机权重等等
%（不同的权重设置很影响性能，按需要选取）

c1 = 0.5;                          % 自我学习因子
c2 = 0.5;                          % 群体学习因子 

x = zeros(N, 2);  
for i = 1:N                                             %对每一个个体
    x(i,1) = floor(plimit(1) + (plimit(2) - plimit(1)) * rand);%初始种群的位置
    x(i,2) = floor(x(i,1) + (plimit(2) - x(i,1)) * rand);%初始种群的位置                         
end 
                                    
v = rand(N, d);                   % 初始种群的速度,500行2列分别在两个维度上
xm = x;                           % 每个个体的历史最佳位置
ym = zeros(1, d);                 % 种群的历史最佳位置，两个维度，设置为0
fxm = zeros(N, 1);                % 每个个体的历史最佳适应度，设置为0
fym = -inf;                       % 种群历史最佳适应度,求最大值先设置成负无穷


iter=1;                             %初始的迭代次数因为用while设置为一
times = 1; 
record = zeros(ger, 1);             %记录器

%% 迭代更新开始
while iter <= ger

fx = f(x);               % 代入x中的二维数据，算出个体当前适应度,为500行1列的数据   
     for i = 1:N                    %对每一个个体做判断
        if fxm(i) < fx(i)           %如果每个个体的历史最佳适应度小于个体当前适应度
            fxm(i) = fx(i);         % 更新个体历史最佳适应度,第一轮就是把小于零的清除
            xm(i,:) = x(i,:);       % 更新个体历史最佳位置
        end 
     end
     
if fym < max(fxm)                  %种群历史最佳适应度小于个体里面最佳适应度的最大值
        [fym, nmax] = max(fxm);    % 更新群体历史最佳适应度,取出最大适应度的值和所在行数即位置
      
end

 v = v * w + c1 * rand *(xm - x) + c2 * rand *(repmat(ym, N, 1) - x); 
                                   % 速度更新公式,repmat函数把ym矩阵扩充成N行1列

 %%边界速度处理

        for j=1:N
        if  v(j,i)>vlimit(i,2)      %如果速度大于边界速度，则把速度拉回边界
            v(j,i)=vlimit(i,2);
        end
        if  v(j,i) < vlimit(i,1)     %如果速度小于边界速度，则把速度拉回边界
            v(j,i)=vlimit(i,1);
        end
        end
 end      
   
 x = floor(x + v);                          % 位置更新
 
 
 
 for j=1:N
        if  x(j,1)> plimit(2)
            x(j,1)=plimit(2);
        end
        if  x(j,1) < plimit(1)
            x(j,1)=plimit(1);
        end
        if  x(j,2)> plimit(2)
            x(j,2)=plimit(2);
        end
        if  x(j,2) < x(j,1)
            x(j,2)=x(j,1);
        end
 end
  

end

%% 作图
figure(3);
plot(record);                %画出最大值的变化过程
title('收敛过程')

threshold1 = ym(1);
threshold2 = ym(2);
[height,length]=size(Image_OSTU);
for i=1:length
    for j=1:height
        if Image_OSTU(j,i)>=threshold2
            Image_OSTU(j,i)=255;
        elseif Image_OSTU(j,i)<=threshold1
            Image_OSTU(j,i)=0;
        else  
            Image_OSTU(j,i)=(threshold1+threshold2)/2;
        end
    end
end
figure(4);
imshow(Image_OSTU);
xlabel(['最大类间差法阈值',num2str(ym)]);


%% 适应度函数
function fx = f(x)
Imag = imread('24063.jpg');%296059   
Imag=rgb2gray(Imag);

[height,length]=size(Imag);
totalNum=height*length;

pixelCount=zeros(1,256);%统计各个像素值的个数
for i=1:length
    for j=1:height
        number=Imag(j,i)+1;
        pixelCount(number)=pixelCount(number)+1;
    end
end


a=1:256;

fx = zeros(1, 500); 
for i=1:500
    m=x(i,1);
    n=x(i,2);
    w0=sum(pi(1:m));
    w1=sum(pi(m+1:n));
    w2=sum(pi(n+1:256));
    mean0=sum(pi(1:m).*a(1:m))/w0;
    mean1=sum(pi(m+1:n).*a(m+1:n))/w1;
    mean2=sum(pi(n+1:256).*a(n+1:256))/w2;
    fx(i)=w0*w1*(mean0-mean1)^2+w0*w2*(mean0-mean2)^2+w1*w2*(mean1-mean2)^2;
end
end


  

 

  
 
 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
  
11
  
12
  
13
  
14
  
15
  
16
  
17
  
18
  
19
  
20
  
21
  
22
  
23
  
24
  
25
  
26
  
27
  
28
  
29
  
30
  
31
  
32
  
33
  
34
  
35
  
36
  
37
  
38
  
39
  
40
  
41
  
42
  
43
  
44
  
45
  
46
  
47
  
48
  
49
  
50
  
51
  
52
  
53
  
54
  
55
  
56
  
57
  
58
  
59
  
60
  
61
  
62
  
63
  
64
  
65
  
66
  
67
  
68
  
69
  
70
  
71
  
72
  
73
  
74
  
75
  
76
  
77
  
78
  
79
  
80
  
81
  
82
  
83
  
84
  
85
  
86
  
87
  
88
  
89
  
90
  
91
  
92
  
93
  
94
  
95
  
96
  
97
  
98
  
99
  
100
  
101
  
102
  
103
  
104
  
105
  
106
  
107
  
108
  
109
  
110
  
111
  
112
  
113
  
114
  
115
  
116
  
117
  
118
  
119
  
120
  
121
  
122
  
123
  
124
  
125
  
126
  
127
  
128
  
129
  
130
  
131
  
132
  
133
  
134
  
135
  
136
  
137
  
138
  
139
  
140
  
141
  
142
  
143
  
144
  
145
  
146
  
147
  
148
 

三、运行结果

四、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1] 蔡利梅.MATLAB图像处理——理论、算法与实例分析[M].清华大学出版社，2020.
[2]杨丹,赵海滨,龙哲.MATLAB图像处理实例详解[M].清华大学出版社，2013.
[3]周品.MATLAB图像处理与图形用户界面设计[M].清华大学出版社，2013.
[4]刘成龙.精通MATLAB图像处理[M].清华大学出版社，2015.

文章来源: qq912100926.blog.csdn.net，作者：海神之光，版权归原作者所有，如需转载，请联系作者。

原文链接：qq912100926.blog.csdn.net/article/details/120977903