HGFA算法的应用

第25卷第11期赤峰学院学报(自然科学版)VoL 25 No 112009年11月Journal of Chifeng University(Natural Science Edition)HGFA算法的应用冯海琴(赤峰学院数学学院,内蒙古赤峰024000摘要:文[中提出的HGFA算法是一种很有效的模糊聚类算法,有较好的应用价值本文对HGFA算法的应用进行了研究,将HGFA算法应用在了灰度图像二值化中,它不需要设定闼值.实验结果表明该方法可以较好的分离出目标图像关键词:HGFA算法;应用;灰度图像;二值化中图分类号:0159文献标识码:A文章编号:1673-260X(200)11-0005-021引言像的取值范围是[0,1門如果灰度级仅为黑白两种,聚类分析作为一种无监督分类方法,已经被广则称为二值图像泛地应用于模式识别数据挖掘、计算机视觉和模1.2灰度图像的二值化糊控制等许多领域所谓图像的二值化是指通过设定阈值( thresh-在数字图像处理中,二值图像占有非常重要的d)把灰度图像变成只有两个灰度值分别表示图地位,特别是在实用的图像处理中,以二值图像处像的目标和背景的二值图像它的操作过程是先由理为核心构成的系统是很多的,要进行二值图像的用户指定一个阈值,如果图像中的某像素的灰度值处理与分析,首先要把灰度图像二值化得到二值小于该阈值,则将该像素的灰度值设置为0,否则图像现有的二值化方法可以概括为两类:全局阈将灰度值设置为1函数表达式如下:值法和局部阈值法在图像二值化中自动阈值选0fxy)≤t取问题是图像分割的关键所在由于阈值选择法以1 f(x, y)>t所获取的直方图为依据,自动选择分割门限,使之其中t为指定的阈值具有快速、便于实现等特点但因为该方法对于获对图像进行二值化的好处是:在对图像进一步取图像的环境要求极为严格,从而大大限制了阈值处理时,图像的几何性质只与0和1有关,不再涉类方法的应用其实在一定意义上图像二值化可以及到像素的灰度值,使处理变得简单,而且数据的作为一个聚类问题来解决,它不需要选择阈值所压缩量很大.例如,一幅300×300×Bit的灰度图以本文将用HCFA算法将灰度图像聚类,达到二象,二值化以后的数据量只有300×300×Bit,这给值化的目的存储和处理带来了很大的方便,同时也提高了系统首先介绍两个相关的概念的经济实用性所以在数字图像处理中,经常需要11灰度图像将灰度图像二值化灰度图像是指物体的二维强光度函数fxy)2用HGFA算法对灰度图像进行二值化(0≤fxy)≤L-1),其中xy是空间的坐标,任意点x,21算法的基本思想y处的数值fxy厘正比于图像在该点的亮度(灰度级把灰度图像中每个像素点作为一个数据样本L),非负有界二实变量函数表示一幅灰度图像,它把像素的灰度值作为样本的特征,将灰度图像所有是在空间的坐标和亮度上均已离散化的图像可以像素点聚成两类,再将两类中像素的灰度值分别变把一幅灰度图像考虑为一个矩阵,其行和列表示图为0,1)即可像中的一个点,而相应的矩阵中的元素的值表示该算法的具体步骤描述:点的灰度级中国煤化T的灰度图像转若灰度图像的像素都是unt8类的,则它们的换成整数值范围是0255:若图像是 double类的,则像该点人 ICNMHG个点的特征为的数据集素的取值就是浮点数规定双精度型归一化灰度图(2)运用HGFA对数据集进行聚类聚类数为25(3)将中心值较低的一类的所有点的灰度值变行参数取最大代数为100代,种群大小为50,交为0,中心值较高的一类的所有点的灰度值变为1.又概率为06,变异概率为003,分类数为222实验结果二值化的结果分别如图3和图4所示中从图在本实验中,采用的图像是在图像处理中经常中可以看出,用HGFA法对灰度图像进行二值化可用到的Lena(图1)和 Cameraman(图2)图,它们都以较好的分离出目标图像是大小为256x256,256灰度级的对于HGFA的运3总结图1lena原图图2 cameraman原图图3二值化后的lena图图4二值化后的 cameraman图HGFA算法具有较好的通用性和有效性,是一种有较大应用价值的模糊聚类算法可以用其解决参考文献:与聚类有关的问题本文将HGFA算法用在了对灰(〔1〕冯海琴,王日栋改进的遗传模糊混合聚类算法度图像二值化处理中,取得了比较好的效果另外0赤峰学院学报(自然科学版),2009(2):5-8.这也说明了HGFA算法在处理大数据集时的有效(2〕义龙,自动指纹识别系统研究Dl吉林工业大〔3] Rafael C. gonzalez、 Richard E Woods.数宇图像处理(第二版)M北京:电子工业出版社,2003.中国煤化工CNMHG