我怎样才能输出k - means之间的差异和模糊c均值dermoscopy图片吗?

2视图(30天)

显示旧的评论

Sadia Iffat 2017年7月30日

0
链接

这个问题直接联系

//www.tianjin-qmedu.com/matlabcentral/answers/350837-how-can-i-get-the-difference-in-output-between-k-means-and-fuzzy-c-means-for-dermoscopy-images

评论道: 图像分析 2017年8月20日

我曾经在k - means和fuzzy-cmeans功能。代码结构是相同的。当我运行代码几个图片我得到了相同的结果的方法。我也有错误使用模糊c重塑,这就是为什么我说出来。什么是dermoscopic标准对这些方法得到不同的输出?或者我应该修改代码吗? * *我使用黑色素瘤皮肤癌的图像

< <

> >

                         如果真正的
                        
                         imdata =重塑(grayscaleImage [], 1);
                        
                         imdata =双(imdata);
                        
                         [imdx mn] = kmeans (imdata 2);
                        
                         imIdx =重塑(imdx、大小(replacedImage));
                        
                         次要情节(2,2,2);
                        
                         imshow (imIdx []);
                        
                         轴在;
                        
                         标题(“k - means方法……”,“字形大小”、字形大小);
                        
                         imdata1 =重塑(GrayscaleImage [], 1);
                        
                         imdata =双(imdata);
                        
                         (imdx mn) = fcm (imdata, 2);
                        
                         % imIdx =重塑(imdx、大小(replacedImage));
                        
                         次要情节(2、2、3);
                        
                         imshow (imIdx []);
                        
                         轴在;
                        
                         标题(“模糊c均值方法……”,“字形大小”、字形大小);
                        
                         结束

0评论
显示隐藏1以上的评论

登录置评。

在回答这个问题。

答案(1)

图像分析 2017年7月30日

1
链接

直接链接到这个答案

//www.tianjin-qmedu.com/matlabcentral/answers/350837-how-can-i-get-the-difference-in-output-between-k-means-and-fuzzy-c-means-for-dermoscopy-images answer_276082

首先,

                             imdata =重塑(grayscaleImage [], 1);
                            
                             imdata =双(imdata);

可以用(:)操作更简单:

imdata =双(grayscaleImage (:));

接下来,你使用kmeans和fcm本质上是相同的,你要想出一个阈值将图像分为前景和背景。这就是imbinarize ()。如果图像有两个明显,分离模式直方图,然后所有3方法很可能决定相同的阈值和给你相同的前景和背景类。如果阈值略有不同,那么他们可能会给你非常相似,但不完全相同的图像。这就是为什么这两种方法你试过本质上是没有区别。

接下来,没有保证自动阈值将会强劲。例如,如果你的图像是完全正常的皮肤吗?你期望它说没有皮肤癌。但是你的自动阈值方法被强迫将图像分成两个类,你假设一个类是癌症。为了避免你不得不说,如果两个类是关闭的方式,然后基本上只有一个类,而不是两个。然后你必须决定如果这一形象是100%的正常或100%的癌症。如果你要求你的视野至少有一半的像素是正常的,如果只有一个类,你可以假定它是正常的,不是癌。

6个评论
显示隐藏 5年长的评论

Sadia Iffat 2017年8月1日

实际上我没有正确的结果模糊c。请检查我的代码,告诉我问题在哪里?我的代码是不正常工作。

                                  如果真正的
                                 
                                  clc;
                                 
                                  关闭所有;
                                 
                                  imtool关闭所有;
                                 
                                  清晰;
                                 
                                  字形大小= 10;
                                 
                                  %从当前目录输入图像…
                                 
                                  (文件路径)= uigetfile (“jpg”,“选择图像的文件夹”);
                                 
                                  temp =(路径文件);
                                 
                                  一个= imread(临时);
                                 
                                  b =一个;
                                 
                                  图(1);
                                 
                                  %设置图属性:
                                 
                                  %全屏放大图。
                                 
                                  集(gcf,“单位”,“归一化”,“OuterPosition”,(0 0 1 1));
                                 
                                  %去掉工具栏和下拉菜单的图。
                                 
                                  集(gcf,“工具栏”,“没有”,“菜单”,“没有”);
                                 
                                  %的标题栏提供一个名称。
                                 
                                  集(gcf,“名字”,第1部分皮肤癌的早期检测,“NumberTitle”,“关闭”)
                                 
                                  drawnow;
                                 
                                  次要情节(2 2 1);
                                 
                                  imshow(一个);
                                 
                                  轴在;
                                 
                                  标题(“测试图”,“字形大小”、字形大小);
                                 
                                  %转换为灰度图像…
                                 
                                  我= rgb2gray(一个);
                                 
                                  次要情节(2,2,2);
                                 
                                  imshow (im);
                                 
                                  轴在;
                                 
                                  标题(灰度图像的,“字形大小”、字形大小);
                                 
                                  % = imresize(, 200年[200])
                                 
                                  m1 = im2double(一个);
                                 
                                  % im = imadjust (im);
                                 
                                  % DullRazor脱毛技术
                                 
                                  se = strel (“磁盘”5);
                                 
                                  毛= imbothat (im, se);
                                 
                                  BW =头发> 15;
                                 
                                  BW2 = imdilate (BW strel (“磁盘”2));
                                 
                                  replacedImage = roifill (im, BW2);
                                 
                                  次要情节(2、2、3);
                                 
                                  imshow (replacedImage);
                                 
                                  轴在;
                                 
                                  标题(“DullRazor技术去除头发”,“字形大小”、字形大小);
                                 
                                  %的过滤去除工件。
                                 
                                  replacedImage = medfilt2 (replacedImage);
                                 
                                  次要情节(2、2、4);
                                 
                                  imshow (replacedImage);
                                 
                                  轴在;
                                 
                                  标题(消除工件的,“字形大小”、字形大小);
                                 
                                  %设置图属性:
                                 
                                  %全屏放大图。
                                 
                                  集(gcf,“单位”,“归一化”,“OuterPosition”,(0 0 1 1));
                                 
                                  %去掉工具栏和下拉菜单的图。
                                 
                                  集(gcf,“工具栏”,“没有”,“菜单”,“没有”);
                                 
                                  %的标题栏提供一个名称。
                                 
                                  集(gcf,“名字”,第1部分皮肤癌的早期检测,“NumberTitle”,“关闭”)
                                 
                                  drawnow;
                                 
                                  %应用大津阈值方法....
                                 
                                  水平= graythresh (replacedImage);
                                 
                                  = im2bw (replacedImage水平);
                                 
                                  图(2);
                                 
                                  %设置图属性:
                                 
                                  %全屏放大图。
                                 
                                  集(gcf,“单位”,“归一化”,“OuterPosition”,(0 0 1 1));
                                 
                                  %去掉工具栏和下拉菜单的图。
                                 
                                  集(gcf,“工具栏”,“没有”,“菜单”,“没有”);
                                 
                                  %的标题栏提供一个名称。
                                 
                                  集(gcf,“名字”,第2部分皮肤癌的早期检测,“NumberTitle”,“关闭”)
                                 
                                  drawnow;
                                 
                                  次要情节(2 2 1);
                                 
                                  imshow(一个);
                                 
                                  轴在;
                                 
                                  标题(“大津阈值方法……”,“字形大小”、字形大小);
                                 
                                  kl = replacedImage;
                                 
                                  imdata =重塑(replacedImage [], 1);
                                 
                                  imdata =双(imdata);
                                 
                                  [imdx mn] = kmeans (imdata 2);
                                 
                                  imIdx =重塑(imdx、大小(replacedImage));
                                 
                                  次要情节(2,2,2);
                                 
                                  imshow (imIdx []);
                                 
                                  轴在;
                                 
                                  标题(“k - means方法……”,“字形大小”、字形大小);
                                 
                                  imdata =重塑(replacedImage [], 1);
                                 
                                  imdata =双(imdata);
                                 
                                  (imdx mn) = fcm (imdata, 2);
                                 
                                  imIdx =重塑(imdx、大小(replacedImage));
                                 
                                  次要情节(2、2、3);
                                 
                                  imshow (imIdx []);
                                 
                                  轴在;
                                 
                                  标题(“模糊c均值方法……”,“字形大小”、字形大小);
                                 
                                  结束

图像分析 2017年8月20日

集群会有所不同,这是kmeans的本质。然而可以确定集群后kmeans基于强度等性质等等

登录置评。

在回答这个问题。

类别

人工智能,数据科学和统计数据统计和机器学习工具聚类分析高斯混合模型

找到更多的在高斯混合模型在帮助中心和文件交换

s manbetx 845

社区寻宝

找到宝藏在MATLAB中央,发现社区如何帮助你!

开始狩猎!

我怎样才能输出k - means之间的差异和模糊c均值dermoscopy图片吗?

0评论
显示隐藏1以上的评论

答案(1)

6个评论
显示隐藏 5年长的评论

另请参阅

类别

标签

s manbetx 845

社区寻宝

我怎样才能输出k - means之间的差异和模糊c均值dermoscopy图片吗?

0评论 显示隐藏1以上的评论

答案(1)

6个评论 显示隐藏 5年长的评论

另请参阅

类别

标签

s manbetx 845

社区寻宝

0评论
显示隐藏1以上的评论

6个评论
显示隐藏 5年长的评论