基于DSP的FCM图像分割

基于DSP的FCM图像分割


一、目标

利用VisualDSP++ 5.0、仿真器、EBF-561实验平台实现该算法,并通过该聚类算法实现图像的不同区域的聚类结果。

二、实现方案

实验原理

FCM 聚类算法目标函数为

如果 p表示每一个样本x_j的维数0,X={x_1,x_2,…x_j,…x_N}是一个p×N矩阵;N表示样本数目,通常表示图像像素数;C表示聚类数目;u_ij?U(p×N×C)是矢量x_j隶属于第i类的隶属度函数,满足u_ij∈[0,1]且∑_(i=1)^C?u_ij =1;聚类中心Z={z_1,z_2,…z_i,…z_c}是 p×C矩阵,u_ij和z_i更新等式分别为:

对于每一个模糊隶属度,由m∈(1,∞)控制模糊度的权重指数;

d^2 (x_j,x_i )=∥x_j-z_i∥为相似性测度。

变量说明

p 数据样本维数(灰度图像时为 1);
N 像素点数目
Xi 像素i特征(灰度图像时,表示灰度值);
C 图像分割类别数;
Uij 像素点j属于第i类的隶属度
Zi 第 i 类聚类中心。

实验步骤

1)置目标函数精度ε,模糊指数m(m通常取 2),最大迭代次数T_m;
2)初始化模糊聚类中心 z_i;
3)由式2更新模糊划分矩阵U={u_ij}和聚类中心Z={z_C}
4)若|J(t)-J(t-1)|<ε或c>T_m则结束聚类;否则,t=t+1并转第(3)步骤;
5)由所得U={u_ij}得到各像素点分类结果。

三、核心代码

1234567891011121314151617181920212223242526272829303132333435363738394041424344454647484950515253545556
int  m=50,k,ran[3];double center[3],u[3][84*64],sum=0,temp=0;//中心,隶属度 

for(i=0;i<3;i++)//初始化聚类中心 	{		ran[i]=rand()%(84*64);		center[i]=image[ran[i]]; 	} 

	while(m--)//迭代 	{

		for(i=0;i<3;i++)//计算隶属度 		{			for(j=0;j<84*64;j++)			{				sum=0;				for(k=0;k<3;k++)				{					sum=sum+pow(fabs(image[j]-center[i])/fabs(image[j]-center[k]),2);				}				u[i][j]=1/sum;			}		} 

		for(i=0;i<3;i++)//更新中心点 		{			sum=0;			temp=0;			for(j=0;j<84*64;j++)			{				sum=sum+pow(u[i][j],2)*image[j];				temp=temp+pow(u[i][j],2);			}			center[i]=sum/temp;		}	}			for(j=0;j<N;j++)//分类结果 	{		if(u[0][j]<u[1][j])		{			if(u[1][j]<u[2][j])				image[j]=100;			else				image[j]=225;		}		else		{			if(u[0][j]<u[2][j])				image[j]=100;			else					    image[j]=0;	    }	}

}

原文:大专栏  基于DSP的FCM图像分割

原文地址:https://www.cnblogs.com/chinatrump/p/11601681.html

时间: 2024-11-06 03:42:01

基于DSP的FCM图像分割的相关文章

基于深度学习的图像分割在高德的实践

一.前言 图像分割(Image Segmentation)是计算机视觉领域中的一项重要基础技术,是图像理解中的重要一环.图像分割是将数字图像细分为多个图像子区域的过程,通过简化或改变图像的表示形式,让图像能够更加容易被理解.更简单地说,图像分割就是为数字图像中的每一个像素附加标签,使得具有相同标签的像素具有某种共同的视觉特性. 图像分割技术自 60 年代数字图像处理诞生开始便有了研究,随着近年来深度学习研究的逐步深入,图像分割技术也随之有了巨大的发展.早期的图像分割算法不能很好地分割一些具有抽象

TN0164_基于DSP的启动加载原理

1.适用范围 本文档介绍了SylixOS在DSP上的启动流程.本文档介绍的相关内容针对TI官方评估板TMDSEVM6678. 2.DSP的启动原理简介 当DSP重启后,会首先执行RBL(片内一级加载程序),该RBL固化在片内ROM中:RBL的主要工作是判断启动模式并从指定的设备加载运行UBL(用户编写的二级加载程序):UBL的主要作用是加载SylixOS的BSP程序:当BSP程序运行起来后,就可以通过动态加载开发应用程序了.如图 2.1所示: 图 2.1 基本启动流程 3.DSP的启动模式 DS

基于DSP的C语言来实现FIR滤波器

首先,FIR滤波器的输出公式为: (具体的话可以查看数字信号处理书籍,都忘得差不多了...) 假设:输入的信号是x(n) = sin(2*pi*f1*n/fs) + sin(2*pi*f2*n/fs)    所设计的滤波器是一个低通FIR滤波器,使用的是hamming窗,阶数为10 则可以使用MATLAB 的滤波器设计工具来设计滤波器: 然后可以通过设计滤波器,生成C头文件来获取所需要的数值: FIR滤波器的C程序如下: #include <stdio.h> #include <math

基于串口通信的DSP应用程序在线升级方法

转载内容,源地址http://www.qiytech.com/jiejuefangan/gongyekz/922.html 摘  要:为解决特殊场合DSP程序升级困难的问题,以TMS320F28035为例,介绍了一种基于串口通信的适合于TMS320C2000系列DSP实现程序更新的在线升级方法.描述了该在线升级方法的基本思想和实现步骤,给出了关键部分的程序代码.实验证明,该方法简单可靠,可用于嵌入式设备软件程序的升级更新中. 关键词: 在线升级: DSP:串口通信: Flash TMS320C2

利用DSP高速处理能力对指纹识别的系统方案

指纹识别技术通过分析指纹的局部特征,从中抽取详尽的特征点,从而可靠地确认个人身份.指纹识别不仅具有许多独到的信息安全优点,更重要的是具有很高的实用性.可行性.目前多数指纹识别系统是将指纹图象采集到计算机中,利用计算机进行识别.国外一些公司生产的独立指纹识别系统,价格比较高昂.这些都限制了指纹识别技术的普及.因此,研究开发快速.识别率高.廉价的独立指纹识别系统具有很大的市场前景和重要的科学研究价值.本文提出了一种新型基于DSP的指纹识别系统,硬件上利用DSP的高速处理能力,构建高速的数据处理平台,

一种基于连通分量的文本区域定位方法

本文通过比较基于纹理的方法和基于连通分量的方法发现对于复杂的背景使用基于连通分量的方法较好. 一.基于连通分量的方法和基于纹理的方法比较如下: 基于纹理的方法:将图像分割成块,然后提取块的纹理特征,并用分类器确认. 基于连通分量的方法:它是假设同一文本区域的字符具有相同的颜色,根据字符颜色的一致性及字符与背景有较大的颜色差来分割图像,提取连通分量,对连通分量利用几何约束关系得到文本区域. 基于纹理的方法的鲁棒性对于定位小字符的文本区域具有较好的效果,对噪声具有较高的抑制性.但是当定位大字符时,由

图像分割之(五)活动轮廓模型之Snake模型简介

在"图像分割之(一)概述"中咱们简单了解了目前主流的图像分割方法.下面咱们主要学习下基于能量泛函的分割方法.这里学习下Snake模型简单的知识,Level Set(水平集)模型会在后面的博文中说到. 基于能量泛函的分割方法: 该类方法主要指的是活动轮廓模型(active contour model)以及在其基础上发展出来的算法,其基本思想是使用连续曲线来表达目标边缘,并定义一个能量泛函使得其自变量包括边缘曲线,因此分割过程就转变为求解能量泛函的最小值的过程,一般可通过求解函数对应的欧拉

基于TI Davinci架构的多核/双核开发高速扫盲(以OMAP L138为例),dm8168多核开发參考以及达芬奇系列资料user guide整理

基于TI Davinci架构的双核嵌入式应用处理器OMAPL138开发入门 原文转自http://blog.csdn.net/wangpengqi/article/details/8115614 感谢wangpengqi的共享. 一.简单介绍 TI的达芬奇架构嵌入式应用处理器使用DSP与ARM结合的非对称多核结构,当然如今也有管脚全兼容的单核.本文要介绍的就是当中的一款低功耗处理器OMAP L138. OMAP L138包含一个主频300M的ARM9处理器内核和一个300M的C6748DSP内核

【转】DSP是什么--DSP是神马东东??

原文:http://www.eepw.com.cn/article/272908.htm 导读:本文主要介绍的是DSP是什么,不懂得童鞋们快随小编一起学习一下DSP到底是个神马东东吧! 本文引用地址:http://www.eepw.com.cn/article/272908.htm 1.DSP是什么--简介 DSP的全称为Digital Signal Process,即数字信号处理技术,DSP芯片即指能够实现数字信号处理技术的芯片.近年来,数字信号处理器(DSP)芯片已经广泛用于自动控制.图像处