1 简介
图像阈值分割技术在图像分析和图像识别中有着非常重要的意义。目前,现有的阈值分割算法在实际的应用领域中都存在各种各样的问题,诸如耗时性,目标的轮廓模糊,或者重要细节被忽视掉等等。本文针对这些问题展开一系列研究,选取了阈值分割法中经典的最大类间方差(Otsu)算法作为中心点展开研究。为了进一步克服Otsu算法的用时长,本文结合遗传算法及其特点,将遗传算法用于Otsu的图像分割方法中对阈值进行寻优,加快了算法的收敛速度。实验结果表明,本算法具有良好的实时性、分割效果好的特点
2 部分代码
%%%%%%%%%%%%%%%%遗传算法在道路图像阈值分割中的应用%%%%%%%%%%%%
function main()
clear all
close all
clc
global chrom oldpop fitness lchrom popsize cross_rate mutation_rate yuzhisum
global maxgen m n fit gen yuzhi A B C oldpop1 popsize1 b b1 fitness1 yuzhi1
A=imread('1.jpg'); %读入道路图像
A=imresize(A,0.4);
B=rgb2gray(A); %灰度化
C=imresize(B,0.1); %将读入的图像缩小
lchrom=8; %染色体长度
popsize=10; %种群大小
cross_rate=0.7; %交叉概率
mutation_rate=0.4; %变异概率
%%%%%%%%%%%%%%%%%%%%%%%%%变异%%%%%%%%%%%%%%%%%%%%%
function mutation()
global popsize lchrom mutation_rate temp newpop oldpop
sum=lchrom*popsize; %总基因个数
mutnum=round(mutation_rate*sum); %发生变异的基因数目
for i=1:mutnum
s=rem((round(rand*(sum-1))),lchrom)+1; %确定所在基因的位数
t=ceil((round(rand*(sum-1)))/lchrom); %确定变异的是哪个基因
if t<1
t=1;
end
if t>popsize
t=popsize;
end
if s>lchrom
s=lchrom;
end
if temp(t,s)==1
temp(t,s)=0;
else
temp(t,s)=1;
end
end
for i=1:popsize
oldpop(i,:)=temp(i,:);
end
%%%%%%%%%%%%%%%%%%%%%%查看结果%%%%%%%%%%%%%%%%%%%%
function findresult()
global maxgen yuzhi m n C B A
result=floor(yuzhi(1,maxgen)) %result为最佳阈值
C=imresize(B,0.3);
imshow(A);
title('原始道路图像')
figure;
subplot(1,2,1)
imshow(C);
title('原始道路的灰度图')
[m,n]=size(C);
%用所找到的阈值分割图象
for i=1:m
for j=1:n
if C(i,j)<=result
C(i,j)=0;
else
C(i,j)=255;
end
end
end
subplot(1,2,2)
imshow(C);
title('阈值分割后的道路图');
3 仿真结果
4 参考文献
[1]周爱霞, 李春贵, 陶佳伟. 基于遗传算法的图像阈值分割的研究[C]// 广西计算机学会2015年学术年会论文集. 2015.
部分理论引用网络文献，若有侵权联系博主删除。
5 MATLAB代码与数据下载地址
见博客主页头条
