基于OTSU算法和基本粒子群优化算法的双阈值图像分割

OTSU自适应阈值求法与粒子群算法的合作，将OTSU算法作为粒子群算法的适应值函数，来计算每个粒子的适应度与最优阈值相比较，经过3000次迭代最后取得优化后的阈值

原图：

经过联合算法优化的双阈值为90 ，140

将背景像素置0：

效果图：

利用所取得的阈值就可以将图像背景和目标区分开来，利用所得阈值二值化后

效果图：

通过效果图可知将人这个目标从背景中分割出来了

源代码：

[cpp] view plaincopy

#include "stdafx.h"
#include "cv.h"
#include "highgui.h"
#include "cxcore.h"
#include "time.h"
using namespace std;
#define rnd( low,uper) ((int)(((double)rand()/(double)RAND_MAX)*((double)(uper)-(double)(low))+(double)(low)+0.5))
/*************************************************************8888
粒子群算法变量的说明
******************************************************************************/
const int number = 20;
int antThreshold[number][2];//以阈值作为粒子
int vect[number][2];//更新的速度
float pbest[number] = {0.0};;//每个粒子历史最优解
float gbest = 0.0;//全局历史最优解
int pbestThreshold[number][2];//每个粒子的最优历史阈值
int gbestThreshold[2];//全局粒子的最优阈值
float w = 0.9;//惯性因子
float c1 = 2.0;//加速因子1
float c2 = 2.0;//加速因子2
//histogram
float histogram[256]={0};
/*********************************************************************8888
函数名：GetAvgValue
参数类型：IplImage* src
实现功能：获得灰度图像的总平均灰度值
*****************************************************************************/
float GetAvgValue(IplImage* src)
{
int height=src->height;
int width=src->width;
for(int i=0;i<height;i++)
{
unsigned char* p=(unsigned char*)src->imageData+src->widthStep*i;
for(int j=0;j<width;j++)
{
histogram[*p++]++;
}
}
//normalize histogram
int size=height*width;
for(int i=0;i<256;i++) {
histogram[i]=histogram[i]/size;
}
//average pixel value
float avgValue=0;
for(int i=0;i<256;i++) {
avgValue+=i*histogram[i];
}
return avgValue;
}
/*****************************************************************************
函数名：ThresholdOTSU
参数类型：int threshold1 , int threshold2 , float avgValue
功能：求得最大类间方差
**********************************************************************************/
float ThresholdOTSU(int threshold1 , int threshold2 , float avgValue)
{
int threshold;
float maxVariance=0;
float w=0,u=0;
for(int i=threshold1;i< threshold2 ;i++)
{
w+=histogram[i];
u+=i*histogram[i];
}
float t=avgValue*w-u;
float variance=t*t/(w*(1-w));
/* if(variance>maxVariance)
{
maxVariance=variance;
threshold=i;
}
*/
return variance;
}
/*****************************************************************
函数名：Init
参数类型：void
功能：初始化粒子群算法的粒子与速度
************************************************************************/
void Init()
{
for(int index=0;index<number;index++)
{
antThreshold[index][0] = rnd(10 , 50);
antThreshold[index][1] = antThreshold[index][0] + 50;
if(antThreshold[index][1]>255)
antThreshold[index][1] = 255;
vect[index][0] = rnd(3 ,5);
vect[index][1] = rnd(3 ,5);
}
}
/******************************************************************
函数名：Pso
参数类型：void
功能：粒子群算法的实现
***************************************************************************/
void Pso(float value)
{
for(int index=0;index<number;index++)
{
float variance;
variance = ThresholdOTSU(antThreshold[index][0] , antThreshold[index][1] , value);
if(variance>pbest[index])
{
pbest[index] = variance;
pbestThreshold[index][0] = antThreshold[index][0];
pbestThreshold[index][1] = antThreshold[index][1];
}
if(variance>gbest)
{
gbest = variance;
gbestThreshold[0] = antThreshold[index][0];
gbestThreshold[1] = antThreshold[index][1];
}
}
}
/***************************************************************************************88
函数名：updateData
参数类型：void
功能：更新粒子数据与速度
**************************************************************************************************/
void updateData()
{
for(int index=0;index<number;index++)
{
for(int i=0;i<2;i++)
{
vect[index][i] = w*vect[index][i] + c1*((double)(rand())/(double)RAND_MAX)*(pbestThreshold[index][i]-antThreshold[index][i])+
c2*c1*((double)(rand())/(double)RAND_MAX)*(gbestThreshold[i]-antThreshold[index][i]);
if(vect[index][i]>5)
vect[index][i] = 5;
if(vect[index][i]<3)
vect[index][i] = 3;
antThreshold[index][i] = vect[index][i] + antThreshold[index][i];
}
if(antThreshold[index][0]>antThreshold[index][1])
antThreshold[index][1] = antThreshold[index][0] + 50;
if(antThreshold[index][1]>255)
antThreshold[index][1] = 255;
if(antThreshold[index][0]<0)
antThreshold[index][0] = 0;
}
}
/**************************************************************8
函数名：Threshold
参数类型：IplImage *src , int lower , int higher
功能：利用算法得到的双阈值对图像进行阈值分割
***********************************************************************/
void Threshold(IplImage *src , int lower , int higher)
{
assert(src->nChannels==1);
for(int h=0;h<src->height;h++)
for(int w=0;w<src->width;w++)
{
if(*(src->imageData+h*src->widthStep+w)<higher&&*(src->imageData+h*src->widthStep+w)>lower)
//*(src->imageData+h*src->widthStep+w) = 255;
;
else
*(src->imageData+h*src->widthStep+w) = 0;
}
}
int _tmain(int argc, _TCHAR* argv[])
{
srand((unsigned)time(NULL));
IplImage *img =0;
IplImage *ycrcb = 0;
IplImage *cb = 0;
cvNamedWindow("cb" , 1);
img = cvLoadImage("1.jpg" , 1);
ycrcb = cvCreateImage(cvGetSize(img) , 8 ,3);
cb = cvCreateImage(cvGetSize(img) , 8 , 1);
cvCvtColor(img , ycrcb , CV_BGR2YCrCb);
cvSplit(ycrcb , 0 ,0,cb , 0);
cvSmooth(cb , cb , CV_MEDIAN , 3 , 0,0,0);
float avgValue = 0.0;
avgValue = GetAvgValue(cb);
Init();
for(int i=0;i<3000;i++)
{
Pso(avgValue);
updateData();
}
//cvThreshold(cb , cb , gbestThreshold[0] , gbestThreshold[1] , CV_THRESH_BINARY);
Threshold(cb , gbestThreshold[0] , gbestThreshold[1]);
printf("%d , %d\n" , gbestThreshold[0] , gbestThreshold[1]);
cvShowImage("cb" , cb);
cvSaveImage("cb1.jpg" ,cb);
cvWaitKey(0);
return 0;
}

网址：http://blog.csdn.net/qinjianganying/article/details/6747980

基于OTSU算法和基本粒子群优化算法的双阈值图像分割相关推荐

智能优化算法：蛾群优化算法-附代码
智能优化算法:蛾群优化算法摘要:蛾群算法 (Moth Swarm Algorithm, MSA)是 Al-Attar AliMohamed 于2016年提出的新兴元启发式智能优化算法,它模拟自然界蛾 ...
【优化算法】猫群优化算法（CSO）【含Matlab源码 1071期】
⛄一.获取代码方式获取代码方式1: 完整代码已上传我的资源:[优化算法]猫群优化算法(CSO)[含Matlab源码 1071期] 点击上面蓝色字体,直接付费下载,即可. 获取代码方式2: 付费专栏M ...
matlab——智能算法之粒子群优化算法、模拟退火算法、遗传算法
智能算法之粒子群优化算法: %% 初始化种群 f= % 函数表达式 % 求这个函数的最大值 figure(1);ezplot(f,[0,0.01,20]); N = 50; % 初始种群个数 d = ...
【优化算法】粒子群优化算法
粒子群优化算法粒子群优化算法简介粒子群优化算法原理粒子群优化算法的数学描述粒子群优化算法框架 PySwarms:Python中粒子群优化的研究工具包 PySwarms快速使用示例:编写自己的 ...
2018-3-28 基本粒子群优化算法
学习资源: [图文]群智能理论及粒子群优化算法_百度文库 https://wenku.baidu.com/view/c855e622a5e9856a56126075.html 书本<智能算法以及 ...
【计算智能】——群体智能算法（蚁群优化算法ACO、粒子群优化算法PSO）
群体智能算法与大多数基于梯度的优化算法不同,群体智能算法依靠的是概率搜索算法. 与梯度算法及传统演化算法相比优点: 没有集中控制约束,不会因为个体的故障影响整个问题的求解. 以非直接信息交流的方式确 ...
揽货最短路径解决方案算法 - C# 蚁群优化算法实现
需求为(自己编的,非实际项目): 某配送中心进行揽货,目标客户数为50个客户,配送中心目前的运力资源如下: 现有车辆5台单台运力最大行驶距离200千米单台运力最大载重公斤1吨问:运力怎样走法才能 ...
遗传算法　差分进化算法　粒子群优化算法区别
一遗传算法遗传算法(GA)作为一种经典的进化算法,自 Holland提出之后在国际上已经形成了一个比较活跃的研究领域. 人们对 GA 进行了大量的研究,提出了各种改进算法用于提高算法的收敛速度和精 ...
优化算法(四)——粒子群优化算法(PSO)
粒子群算法(Particle Swarm Optimization,PSO)是一种模仿鸟群.鱼群觅食行为发展起来的一种进化算法.其概念简单易于编程实现且运行效率高.参数相对较少,应用非常广泛.粒子群算 ...

基于OTSU算法和基本粒子群优化算法的双阈值图像分割

基于OTSU算法和基本粒子群优化算法的双阈值图像分割相关推荐

最新文章

热门文章