基于聚类的医学图像分割法

本程序为M文件，运行环境为matlab, 也可通过matlab转化为C++运行。实现功能：可实现医学图像的自动分割！

%%%%%%%%%%% 基于聚类法的医学图像分割实验 %%%%%%%%%%%%%%%%
% 10.16.2015 AM-08:22
clcclear allclose all;
% tic
% Elapsed time is 0.520028 seconds.
%% 调入原始图像
data=imread（‘D:\123\888.jpg‘ ）; 
data=double（data）;
% 第1幅图像
figuresubplot（221）imshow（uint8（data））title（‘原图像‘）;
% subplot（231）注解：2*3矩阵中的第1幅图像- 从左到右，由上至下
% 第2幅图像
subplot（222）imhist（uint8（data））title（‘原图像直方图‘）;
%% 由随机数产生初始聚类中心
[M N]=size（data）;
[countx]=imhist（uint8（data））;
mima=find（count~=0）;   %灰度等级 256*1的矩阵
V1=zeros（2）;    %产生2个分组
V2=zeros（2）;
U1=zeros（length（mima）2）;       %产生一个n*c的矩阵
V1（1）=mima（round（rand（1）*（length（mima）/4））+1）;    %产生随机数  产生初始聚类中心
V1（2）=mima（round（length（mima）/2+rand（1）*（length（mima）/4））+1）; 
%% 黑白聚类中心的寻找与计算并进行图像分割
k=0;
while k==0
 for j=1:length（mima）
   if abs（mima（j）-V1（2））        U1（j1）=0.0;
        U1（j2）=1.0;
   else
        U1（j1）=1.0;
        U1（j2）=0.0;
   end
 end   
   tp1=0.0;
   tp2=0.0;
   tp3=0.0;
   tp4=0.0;
   for j=1:length（mima）
      tp1=tp1+count（mima（j））*（mima（j）-1）*U1（j1）;
      tp2=tp2+count（mima（j））*U1（j1）;
      tp3=tp3+count（mima（j））*（mima（j）-1）*U1（j2）;
      tp4=tp4+count（mima（j））*U1（j2）;
    end
    V2（1）=tp1/tp2;
    V2（2）=tp3/tp4;
    if  （abs（V2（1）-V1（1））+abs（V2（2）-V1（2）））>0.0001
               V1（1）=V2（1）;
               V1（2）=V2（2）;
    else
        k=1;
    end
 end
 subplot（223）
 img1=250.*ones（size（data））;
 for i=1:M
    for j=1:N
        tp=data（ij）;
        for l=1:length（mima）
            if tp==mima（l）
                k=l;
            end
        end
        if U1（k1）>=U1（k2）
            img1（ij）=0;
        end
    end
 end
% 第3幅图像
subplot（223）imshow（uint8（img1））title（‘聚类分割图像结果‘）;
% 第4幅图像
subplot（224）imhist（uint8（img1））title（‘2D直方图‘）

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件        1933  2015-10-16 09:46  Juleishuiji.m