FCM模糊C均值的C++实现

模糊C均值的C++实现，有很详细的代码解释，运行需要配置OpenCV340，各种踩坑，希望大家学习愉快，附带理论地址，代码配合公式能够更好的学习哦https://blog.csdn.net/qq_41828351/article/details/88402605

// FCM.cpp : 此文件包含 “main“ 函数。程序执行将在此处开始并结束。
//

#include “pch.h“
#include 
#include 

void myFCMeans（float* pSamples int* pClusterResult int clusterNum int sampleNum int featureNum int m_Value）;

int main（）
{
	#define MAX_CLUSTERS 5
	//CvScalar color_tab[MAX_CLUSTERS];
	cv::Scalar color_tab[MAX_CLUSTERS];
	IplImage* img = cvCreateImage（cvSize（500 500） IPL_DEPTH_8U 3）;
	CvRNG rng = cvRNG（cvGetTickCount（））;
	cv::Point ipt;

	//color_tab[0] = CV_RGB（255 0 0）;
	color_tab[0] = cv::Scalar（255 0 0）;
	color_tab[1] = CV_RGB（0 255 0）;
	color_tab[2] = CV_RGB（100 100 255）;
	color_tab[3] = CV_RGB（255 0 255）;
	color_tab[4] = CV_RGB（255 255 0）;


	int i k;
	int clusterNum = cvRandInt（&rng） % MAX_CLUSTERS + 2;	//至少有两类
	int sampleNum = cvRandInt（&rng） % 1000 + 100;			//至少100个点
	int feaNum = 2;  //特征维度
	CvMat* sampleMat = cvCreateMat（sampleNum 1 CV_32FC2）;
	/* generate random sample from multigaussian distribution */
	//产生高斯随机数
	//随机生成样本多元高斯分布
	//样本总数为sample_count 类别总数为cluster_count
	//样本矩阵为points先按类别分成cluster_count份 每一份数据的个数为sample_count/cluster_count
	//然后按类别随机矩阵填充样本矩阵第一类填充矩阵的0~sample_count/cluster_count行
	//第二类填充样本矩阵的sample_count/cluster_count~sample_count/cluster_count*2行以此类推直到填充满所有矩阵每一类的样本个数是一样的
	for （k = 0; k < clusterNum; k++）
	{
		CvPoint center;
		int topIndex = k * sampleNum / clusterNum;  //填充的索引
		int bottomIndex = （k == clusterNum - 1 ? sampleNum : （k + 1）*sampleNum / clusterNum）;

		CvMat* localMat = cvCreateMatHeader（bottomIndex - topIndex 1 CV_32FC2）;
		center.x = cvRandInt（&rng） % img->width;
		center.y = cvRandInt（&rng） % img->height;
		//返回数组在一定跨度的行
		//points为输入数组point_chunk返回数组
		//开始行为k*sample_count/cluster_count
		//结束行为 当k== cluster-1时 为 第samplecount行 否则为（k+1）*sample_count/cluster_count
		cvGetRows（sampleMat localMat topIndex bottomIndex 1）;	//此函数不会给localMat分配空间不包含bottomIndex，其实localMat已经和得到的几行数据进行了绑定
		//point_chunk输出数组CV_RAND_NORMAL分布类型为正态分布或者高斯分布
		//cvScalar（center.xcenter.y00）随机数的平均值
		// cvScalar（img->width/6img->height/600）如果是正态分布它是随机数的标准差
		cvRandArr（&rng localMat CV_RAND_NORMAL
			cvScalar（center.x center.y 0 0）
			cvScalar（img->width*0.1 img->height*0.1 0 0））;   //在这里随机就相当于在给sampleMat赋值
	}

	// shuffle samples 混乱数据
	for （i = 0; i < sampleNum / 2; i++）
	{
		CvPoint2D32f* pt1 = （CvPoint2D32f*）sampleMat->data.fl + cvRandInt（&rng） % sampleNum;
		CvPoint2D32f* pt2 = （CvPoint2D32f*）sampleMat->data.fl + cvRandInt（&rng） % sampleNum;
		CvPoint2D32f temp;
		CV_SWAP（*pt1 *pt2 temp）;
	}

	float* pSamples = new float[sampleNum * feaNum];  //大小等于特征维度乘以样本数
	int* pClusters = new int[sampleNum];
	for （i = 0; i < sampleNum; i++）
	{
		//feaNum=2   将二维数据作为数据集
		pSamples[i*feaNum] = （cvGet2D（sampleMat i 0））.val[0];
		pSamples[i*feaNum + 1] = （cvGet2D（sampleMat i 0））.val[1];
	}
	cvReleaseMat（&sampleMat）;  //数据集制作完毕，释放内存

	cvZero（img）;  //初始化图片
	for （i = 0; i < sampleNum; i++）
	{
		//fe

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2019-03-05 16:28  FCM\.vs\
     目录           0  2019-03-05 16:28  FCM\.vs\FCM\
     目录           0  2019-03-11 16:18  FCM\.vs\FCM\v15\
     文件       26624  2019-03-11 16:18  FCM\.vs\FCM\v15\.suo
     文件    22171648  2019-03-11 16:18  FCM\.vs\FCM\v15\Browse.VC.db
     目录           0  2019-03-05 20:53  FCM\.vs\FCM\v15\ipch\
     文件      327680  2019-03-05 16:28  FCM\.vs\FCM\v15\ipch\29c714a186fa55df.ipch
     目录           0  2019-03-07 15:40  FCM\.vs\FCM\v15\ipch\AutoPCH\
     文件      327680  2019-03-11 16:18  FCM\.vs\FCM\v15\ipch\cfd589cfd835b35a.ipch
     文件        1422  2019-03-05 16:28  FCM\FCM.sln
     目录           0  2019-03-07 14:42  FCM\FCM\
     文件       32356  2019-03-06 14:56  FCM\FCM\clusters.jpg
     文件       10378  2019-03-07 14:42  FCM\FCM\FCM.cpp
     文件        8538  2019-03-05 16:31  FCM\FCM\FCM.vcxproj
     文件        1151  2019-03-05 16:28  FCM\FCM\FCM.vcxproj.filters
     文件         165  2019-03-05 16:28  FCM\FCM\FCM.vcxproj.user
     文件       28914  2019-03-11 16:18  FCM\FCM\origin.jpg
     文件         200  2019-03-05 16:28  FCM\FCM\pch.cpp
     文件         639  2019-03-05 16:28  FCM\FCM\pch.h
     目录           0  2019-03-05 16:31  FCM\FCM\x64\
     目录           0  2019-03-11 16:17  FCM\FCM\x64\Debug\
     文件         613  2019-03-11 16:17  FCM\FCM\x64\Debug\FCM.log
     文件      437079  2019-03-11 16:17  FCM\FCM\x64\Debug\FCM.obj
     文件     2031616  2019-03-05 16:31  FCM\FCM\x64\Debug\FCM.pch
     目录           0  2019-03-11 16:17  FCM\FCM\x64\Debug\FCM.tlog\
     文件        1490  2019-03-11 16:17  FCM\FCM\x64\Debug\FCM.tlog\CL.command.1.tlog
     文件       30106  2019-03-11 16:17  FCM\FCM\x64\Debug\FCM.tlog\CL.read.1.tlog
     文件         990  2019-03-11 16:17  FCM\FCM\x64\Debug\FCM.tlog\CL.write.1.tlog
     文件         206  2019-03-11 16:17  FCM\FCM\x64\Debug\FCM.tlog\FCM.lastbuildstate
     文件        1330  2019-03-11 16:17  FCM\FCM\x64\Debug\FCM.tlog\link.command.1.tlog
     文件        2644  2019-03-11 16:17  FCM\FCM\x64\Debug\FCM.tlog\link.read.1.tlog
............此处省略9个文件信息