实验一基于模糊聚类的图像分割
一，实验目的通过模糊c均值（FCM）聚类实现图像的分割。二，算法描述动态聚类方法的目的是把
个样本划分到c个类别中的一个，使各样本与其所在类均值的误差平方和最小。FCM聚类算法的目标函数为：
Mi
错误！未找到引用源。UZ
（1）其中m1是一个可以控制聚类结果的模糊程度的常数。在不同的隶属度定义方法下最小化式（1）的损失函数，就得到不同的模糊聚类方法。其中最有代表性的模糊C均值方法，要求一个样本对于各个聚类的隶属度之和为1，即（2）在条件（2）下求式（1）的最小值，令错误！未找到引用源。对错误！未找到引用源。和错误！未找到引用源。的偏导数为0，可得必要条件：
错误！未找到引用源。
（3）
三，变量说明P数据样本维数（灰度图像时为1）；N像素点数目；X像素i特征（灰度图像时，表示灰度值）；C图像分割类别数；U像素点i属于第j类的隶属度；Z第i类聚类中心；四算法步骤Step1设置目标函数精度ε，模糊指数m（m通常取2），最大迭代次数错误！未找到引用源。Step2初始化模糊聚类中心错误！未找到引用源。Step3由（3）式更新模糊划分矩阵U错误！未找到引用源。和聚类中心Z错误！未找到引用源。Step4若JtJt1ε或c错误！未找到引用源。则结束聚类；否则，tt1并转Step3Step5由所得U错误！未找到引用源。得到各像素点的分类结果。五，实验内容与要求（1）使用附录1的参考程序对无噪图像进行模糊聚类分割。（2）使用附录1的参考程序对各种加噪（高斯噪声，椒盐噪声及斑点噪声等）图像进行模糊聚类分割，并与（1）中的相应结果进行比较。（3）附录1的参考程序给出了图像分割为3类的FCM算法，请同学们进行分割为2类或4类的扩展，或者在理解例程或算法的基础上自己实现算法。
f参考程序代码：fu
ctio
fcmtmpimreadCDocume
tsa
dSetti
gsAdmi
istrator桌面fig8pgmIMtmp1IMim
oiseIMspeckle001IMim
oiseIMsaltpepper01IMim
oiseIMgaussia
0001IMdoubleIMfigure1imshowui
t8IMmaxXmaxYsizeIMIMMcat3IMIMIMcc18cc2100cc3200ttfcm0whilettfcm15ttfcmttfcm1c1repmatcc1maxXmaxYc2repmatcc2maxXmaxYc3repmatcc3maxXmaxYccat3c1c2c3reerepmat0000001maxXmaxYree1cat3reereereedista
ceIMMcdista
cedista
cedista
ceree1daoShu1dista
cedaoShu2daoShu1daoShu2daoShu3dista
ce1dista
ce1daoShu2u11dista
ce1dista
ce2dista
ce2daoShu2u21dista
ce2dista
ce3dista
ce3daoShu2u31dista
ce3r