matlab中kmeans算法程序如下 我要做图像分类 主程序改怎么写那知道的写下 谢谢了

function [mu,mask]=kmeans(ima,k)%k为指定类别数

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

%

% kmeans image segmentation

%

% Input:

% ima: grey color image灰度图像

% k: Number of classes指定的图像中类别数目

% Output:

% mu: vector of class means 每个类的均值

% mask: clasification image mask分类后的图像掩膜（mask)

%

% Author: Jose Vicente Manjon Herrera

% Email: jmanjon@fisupves

% Date: 27-08-2005

%

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

% check image

ima=double(ima);

copy=ima; % make a copy

ima=ima(:); % vectorize ima将图像向量化，即一维化。

mi=min(ima); % deal with negative

ima=ima-mi+1; % and zero values

s=length(ima);%获得图像像素个数

% create image histogram%创建图像直方图

m=max(ima)+1;%最大像素值加1

h=zeros(1,m);%直方图，有m个bin

hc=zeros(1,m);%标号矩阵，每个像素点的值为该点所隶属的类别号

for i=1:s%s是图像象素个数，即考查每个像素

if(ima(i)>0) h(ima(i))=h(ima(i))+1;end;%直方图中对应bin加1

end

ind=find(h);%找到直方图中不为零的那些bin的序号。

hl=length(ind);%直方图中非零bin的个数

% initiate centroids

mu=(1:k)m/(k+1);%k为指定的类别数，mu为不同类的分割点，相当于坐标轴上的整点

% start process

while(true)

oldmu=mu;

% current classification

for i=1:hl

c=abs(ind(i)-mu);%就是相当于考察ind(i)在坐标轴上离哪个整点最近！注意mu总共就k个

cc=find(c==min(c));%cc保留距离ind(i)最近整点的序号，序号为1、2、3k

hc(ind(i))=cc(1);

end

%recalculation of means 下面的程序用于计算每一类的均值位置

for i=1:k,

a=find(hc==i);

mu(i)=sum(ah(a))/sum(h(a));%h为直方图

end

if(mu==oldmu) break;end;%循环结束条件

end

% calculate mask

s=size(copy);

mask=zeros(s);

mask1=mask;%增加一个显示矩阵

size(mask1)

for i=1:s(1),

for j=1:s(2),

c=abs(copy(i,j)-mu);

a=find(c==min(c));

mask(i,j)=a(1);

end

end

mu=mu+mi-1; % recover real range

for i = 1 : k

p=find(mask==i);

mask1(p)=1/ki;

end

figure,imshow(mask1)

1首先打开计算机上的matlab程序，然后输入指令[清除;，清除屏幕。

2然后将准备好的图像复制到matlab的工作目录中。

3输入返回指令[data=imread('folder图标。BMP')]在主界面;，将图像转换为数据。

4然后双击工作区中的数据，查看图像数据的特定信息。

5输入指令[imshow(data);]，可以看到数据代表了。

6输入指令[gdata=rgb2gray(data);]，可以得到灰度后的矩阵。

7双击右边工作区中的gdata以查看数据的特定信息。

8然后输入指令[imshow(gdata);]，可以看到灰度图像。

我给你提供2种方法，一种是直方图阈值法一种是最大类间方差

直方图阈值法

用 MATLAB实现直方图阈值法：

I=imread(' c4jpg ');

I1=rgb2gray(I);

figure;

subplot(2,2,1);

imshow(I1);

title(' 灰度图像')

axis([50,250,50,200]);

grid on; %显示网格线

axis on; %显示坐标系

[m,n]=size(I1); %测量图像尺寸参数

GP=zeros(1,256); %预创建存放灰度出现概率的向量

for k=0:255

GP(k+1)=length(find(I1==k))/(mn); %计算每级灰度出现的概率，将其存入GP中相应位置

end

subplot(2,2,2),bar(0:255,GP,'g') %绘制直方图

title('灰度直方图')

xlabel('灰度值')

ylabel(' 出现概率')

I2=im2bw(I,150/255);

subplot(2,2,3),imshow(I2);

title('阈值150的分割图像')

axis([50,250,50,200]);

grid on; %显示网格线

axis on; %显示坐标系

I3=im2bw(I,200/255); %

subplot(2,2,4),imshow(I3);

title('阈值200的分割图像')

axis([50,250,50,200]);

grid on; %显示网格线

axis on; %显示坐标系

自动阈值法：Otsu法

用MATLAB实现Otsu算法：

clc

clear all

I=imread(' c4jpg ');

subplot(1,2,1),imshow(I);

title('原始图像')

axis([50,250,50,200]);

grid on; %显示网格线

axis on; %显示坐标系

level=graythresh(I); %确定灰度阈值

BW=im2bw(I,level);

subplot(1,2,2),imshow(BW);

title('Otsu 法阈值分割图像')

axis([50,250,50,200]);

grid on; %显示网格线

axis on; %显示坐标系

matlab太搞了，算子都是编好的，你直接调用。BW = edge(I,'canny'); canny算子直接调用。

下面是网上找到的canny算子边缘检测：

I = imread('lunnajpg');

I=rgb2gray(I);

BW = edge(I,'canny');

% 以自动阈值选择法对图像进行Canny算子检测

[BW,thresh] = edge(I,'canny');

% 返回当前Canny算子边缘检测的阈值

disp('Canny算子自动选择的阈值为：')

disp(thresh)

subplot(121),imshow(BW);

title('自动阈值的Canny算子边缘检测')

BW = edge(I,'Canny',[02 05]);

% 以阈值为[01 05]对图像进行Canny算子检测

subplot(122),imshow(BW);

title('阈值为[01 05]的Canny算子边缘检测')

在 Matlab 中，可以通过 imread() 函数读取灰度图像并将其存储为矩阵。对于灰度图像的处理，可以使用不同的函数和工具箱，如 image processing toolbox，其中包含了许多用于图像处理的函数。

一些常见的灰度图像处理 *** 作包括阈值处理、滤波、边缘检测、二值化、形态学 *** 作等等。这些 *** 作可以通过使用相应的 Matlab 函数来实现。例如，使用 imfilter() 函数进行滤波 *** 作，使用 im2bw() 函数进行二值化处理，使用 edge() 函数进行边缘检测，等等。

对于处理后的图像的计算，可以使用 Matlab 中的矩阵 *** 作和函数进行计算。例如，可以使用 sum() 函数计算像素值的总和，使用 mean() 函数计算像素值的平均值，使用 max() 函数计算像素值的最大值等等。

以上就是关于matlab中kmeans算法程序如下 我要做图像分类 主程序改怎么写那知道的写下 谢谢了全部的内容，包括:matlab中kmeans算法程序如下 我要做图像分类 主程序改怎么写那知道的写下 谢谢了、如何用MATLAB产生图像、用matlab求图像阈值分析程序，急啊~等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！