本发明专利技术针对现有K-均值算法很难保留像素较多类别中图像细节的缺点，提出了一种基于排序K-均值算法的灰度图像分割方法。其实现步骤是：(1)读入一幅不含噪声的灰度图像G，并随机指定各个聚类中心；(2)统计读入的灰度图像G的直方图HL；(3)求解各灰度级到各聚类中心距离；(4)对各灰度级到各聚类中心距离进行排序；(5)对排序后的距离进行存储；(6)将每个灰度级分配到离其距离最近的聚类中心的类别中；(7)根据排序后的各灰度级到各聚类中心的距离更新聚类中心；(8)根据更新前后的聚类中心，判断是否达到迭代停止条件，如果达到迭代停止条件，聚类结束，并输出聚类结果，完成图像分割。本发明专利技术具有图像分割精度高的优点，可用于提取和获得灰度图像的细节信息。
【技术实现步骤摘要】
本专利技术属于图像处理领域，涉及一种图像分割方法，尤其涉及一种灰度图像分割方法，可用于提取和获得灰度图像的细节信息。
技术介绍
随着计算机技术的发展，图像在各行各业的应用日益广泛。灰度图像分割是以图像的形式获得信息的基础，是人们研究的热点，是图像处理技术应用的重要内容之一。图像分割在目标识别、变化监测等方面应用广泛。图像分割方法有多种，基于灰度 级单阈值分割，基于灰度级多阈值分割、区域增长和聚类等。Kneans聚类算法,简称K-均值算法,是1967年由J. B. MacQueen提出的。Kneans聚类算法是一种经典的划分的聚类算法，是到目前为止应用最广泛最成熟的一种聚类分析方法。已被广泛应用于图像分割领域。K-means聚类算法是一种典型的基于距离的硬聚类算法，算法通常采用误差平方和函数作为优化的目标函数，误差平方和函数的定义如下所示 K2^ = 7=1 XeCj其中，K表示聚类的数目，Cj, j = 1,2, . . .K表示聚类的第j类，X表示类Cj中的任一数据对象，IHj表示类&的均值，E表示数据样本与聚类中心差异度平方之和，E值的大小取决于K个聚类中心点。越小的E值，聚类结果的质量就越好。K-means算法首先从含有n个数据对象的数据集中随机选取K个数据作为初始中心，然后计算每个数据到各个中心的距离，根据最邻近原则，所有的数据都会被划分到离它最近的那个中心所代表的类中，接着分别计算新生成的各类中数据的均值作为各类新的中心，比较新的中心和上一次得到的中心，如果新的中心没有发生变化，则算法收敛，输出结果，如果新的中心和上一次中心相比较发生变化，则要根据新的中心对所有数据对象重新进行划分，直到满足算法的收敛条件为止。该方法应用于灰度图像分割领域，对部分图像的分割取得了一些效果，能够根据灰度级将图像分割成为较理想的情况。但该方法的不足之处是，当图像中的某一类或者几类像素较少时，该方法就很难保留像素较多类别中的图像细节部分，划分效率较低。
技术实现思路
本专利技术的目的在于针对上述已有方法的缺点，提出了一种基于排K-均值算法的灰度图像分割方法，完成了像素较多类别中图像细节部分的保留，提高图像分割效率。实现本专利技术目的技术方案，包括如下步骤(I)读入一幅不含噪声的灰度图像G，图像大小为256X256，随机指定各个聚类中心V :V = (V0, V1,…，Vi)其中，Vi为第i类的聚类中心，i = 0，. . .，n-1，n为聚类类别数；(2)定义灰度图像G的灰度直方图HL⑴HL(I) = Ii1其中，I为灰度级，I = 0，... ,255, Ii1为灰度图像G中第I个灰度级的像素点总数；(3)计算图像灰度直方图中每个灰度级I到每个聚类中心Vi的欧式距离Clil da = I I-Vi I ；(4)针对每个聚类中心Vi，利用Sort(Clil)函数对距离Clil由小到大进行排序；(5)用函数Hidil存储排序后的每个灰度级到每个聚类中心Vi的距离CliPmdil定义 如下权利要求1.一种基于排序K-均值算法的灰度图像分割方法，包括如下步骤 (1)读入一幅不含噪声的灰度图像G，图像大小为256X256，随机指定各个聚类中心V V = (VojV1, -,Vi) 其中，Vi为第i类的聚类中心，i = O，. . .，n-1，n为聚类类别数； (2)定义灰度图像G的灰度直方图HL(I) HL (I) = Ii1 其中，I为灰度级，1=0，... ,255, H1为灰度图像G中第I个灰度级的像素点总数； (3)计算图像灰度直方图中每个灰度级I到每个聚类中WVi的欧式距离Clil da = I I-Vi I ； (4)针对每个聚类中心Vi，利用Sort(Clil)函数对距离Clil由小到大进行排序； (5)用函数Hidil存储排序后的每个灰度级到每个聚类中心Vi的距离CliPmdil定义如下2.根据权利要求I所述方法，其中步骤⑶所述的循环结束条件，表示为<=P1，式中K表示第t代的第i类聚类中心值，K+1表示第t+1代的第i类聚类中心值，t表示基于排序K-均值算法的循环代数，t的取值范围为1-19。全文摘要本专利技术针对现有K-均值算法很难保留像素较多类别中图像细节的缺点，提出了一种基于排序K-均值算法的灰度图像分割方法。其实现步骤是(1)读入一幅不含噪声的灰度图像G，并随机指定各个聚类中心；(2)统计读入的灰度图像G的直方图HL；(3)求解各灰度级到各聚类中心距离；(4)对各灰度级到各聚类中心距离进行排序；(5)对排序后的距离进行存储；(6)将每个灰度级分配到离其距离最近的聚类中心的类别中；(7)根据排序后的各灰度级到各聚类中心的距离更新聚类中心；(8)根据更新前后的聚类中心，判断是否达到迭代停止条件，如果达到迭代停止条件，聚类结束，并输出聚类结果，完成图像分割。本专利技术具有图像分割精度高的优点，可用于提取和获得灰度图像的细节信息。文档编号G06T5/00GK102663681SQ201210062259公开日2012年9月12日 申请日期2012年3月11日 优先权日2012年3月11日专利技术者侯彪, 吴建设, 尚荣华, 李阳阳, 焦李成, 白靖, 郑喆坤, 靳超, 马文萍 申请人:西安电子科技大学本文档来自技高网...
【技术保护点】
【技术特征摘要】
【专利技术属性】
技术研发人员：尚荣华，焦李成，白靖，靳超，吴建设，郑喆坤，马文萍，李阳阳，侯彪，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。