[发明专利]一种图像C-均值聚类算法

摘要

一种图像C-均值聚类算法，其包括：对图像进行灰度变换，得到灰度图像；从0至255中任意选取c个不同大小的值作为图像分割成c类的中心值，即采用0至255的整数初始化的值，令k＝0；将图像中所有不同位置像素的灰度值g(x,y)(x＝1,2,…,M,y＝1,2,…,N)逐个按最小距离原则分划给c类中的某一类，即如果x＝1,2,…,M,y＝1,2,…,N，存在一个l∈{1,2,…,c}；则判定为聚类，；式中表示g(x,y)和的中心的距离，上角标表示迭代次数,于是产生新的聚类计算重新分类后的各类中心式中为类中所含模式的个数；步骤5、如果则结束。

主权项

一种图像C‑均值聚类算法，其特征在于包括：步骤1、对图像进行灰度变换，得到灰度图像；步骤2：从0至255中任意选取c个不同大小的值作为图像分割成c类的中心值，即采用0至255的整数初始化的值，令k＝0；步骤3：将图像中所有不同位置像素的灰度值g(x,y)(x＝1,2,…,M,y＝1,2,…,N)逐个按最小距离原则分划给c类中的某一类，即如果x＝1,2,…,M,y＝1,2,…,N，存在一个l∈{1,2,…,c}；则判定$g(x,y)\∈{\mathrm{\ω}}_l^{(k+1)},{\mathrm{\ω}}_l^{(k+1)}(l=1,2,...,c)$为聚类，；式中表示g(x,y)和的中心的距离，上角标表示迭代次数,于是产生新的聚类${\mathrm{\ω}}_j^{(k+1)}(j=1,2,...,c);$步骤4：计算重新分类后的各类中心$z_j^{(k+1)}=\frac{1}{n_j^{(k+1)}}\underset{g(x,y)\∈{\mathrm{\ω}}_j^{(k+1)}}{\Σ}g(x,y),j=1,2,...,c$式中为类中所含模式的个数；步骤5、如果则结束；否则，k＝k+1，转至步骤3。