一种图像分割方法、装置、存储介质及终端设备制造方法及图纸

本发明专利技术涉及图像处理技术领域，尤其涉及一种图像分割方法、装置、存储介质及终端设备。本发明专利技术提供的方法包括：获取待分割的原始图像，并确定原始图像的聚类数目和像素点；根据聚类数目和像素点对预设蛙跳算法进行初始化，并通过初始化后的预设蛙跳算法对像素点进行寻优处理，得到原始图像的各局部最优像素点；将各局部最优像素点确定为模糊C均值聚类算法的初始聚类中心，并利用模糊C均值聚类算法根据初始聚类中心对所述原始图像进行再聚类，得到分割图像，以合理确定模糊C均值聚类算法的初始聚类中心，并通过将预设蛙跳算法与模糊C均值聚类算法相结合来进行图像分割，可有效减少图像分割过程中的计算复杂度，提高图像分割效率和分割效果。

An Image Segmentation Method, Device, Storage Media and Terminal Equipment

【技术实现步骤摘要】
一种图像分割方法、装置、存储介质及终端设备
本专利技术涉及图像处理
，尤其涉及一种图像分割方法、装置、计算机可读存储介质及终端设备。
技术介绍
图像分割是指把图像分成若干特定的、具有独特性质的区域并提出感兴趣目标的技术和过程，模糊C均值聚类算法(FCM)是图像分割的常用方法，它是在模糊数学基础上对K均值算法的推广，通过最优化一个模糊目标函数来实现聚类，它不像K均值聚类那样认为每个点只能属于某一类，而是赋予每个点一个对应的隶属度，用隶属度可以更好地描述边缘像素亦此亦彼的特点，适合处理事物内在的不确定性。利用FCM聚类进行图像分割，虽然可以减少人为干预，以实现简单的图像分割，但FCM聚类极大地依赖于初始聚类中心，一旦初始聚类中心确定不合理，将严重影响图像的分割效果。
技术实现思路
本专利技术实施例提供了一种图像分割方法、装置、计算机可读存储介质及终端设备，能够合理确定FCM聚类的初始聚类中心，提高图像分割效率和分割效果，并能够有效减少图像分割过程中的计算复杂度。本专利技术实施例的第一方面，提供了一种图像分割方法，包括：获取待分割的原始图像，并确定所述原始图像的聚类数目和像素点；根据所述聚类数目和所述像素点对预设蛙跳算法进行初始化，并通过初始化后的预设蛙跳算法对所述像素点进行寻优处理，得到所述原始图像的各局部最优像素点；将各所述局部最优像素点确定为模糊C均值聚类算法的初始聚类中心，并利用所述模糊C均值聚类算法根据所述初始聚类中心对所述原始图像进行再聚类，得到分割图像。本专利技术实施例的第二方面，提供了一种图像分割装置，包括：原始图像获取模块，用于获取待分割的原始图像，并确定所述原始图像的聚类数目和像素点；寻优处理模块，用于根据所述聚类数目和所述像素点对预设蛙跳算法进行初始化，并通过初始化后的预设蛙跳算法对所述像素点进行寻优处理，得到所述原始图像的各局部最优像素点；图像分割模块，用于将各所述局部最优像素点确定为模糊C均值聚类算法的初始聚类中心，并利用所述模糊C均值聚类算法根据所述初始聚类中心对所述原始图像进行再聚类，得到分割图像。本专利技术实施例的第三方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如前述第一方面所述图像分割方法的步骤。本专利技术实施例的第四方面，提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令，所述处理器执行所述计算机可读指令时实现如下步骤：获取待分割的原始图像，并确定所述原始图像的聚类数目和像素点；根据所述聚类数目和所述像素点对预设蛙跳算法进行初始化，并通过初始化后的预设蛙跳算法对所述像素点进行寻优处理，得到所述原始图像的各局部最优像素点；将各所述局部最优像素点确定为模糊C均值聚类算法的初始聚类中心，并利用所述模糊C均值聚类算法根据所述初始聚类中心对所述原始图像进行再聚类，得到分割图像。从以上技术方案可以看出，本专利技术实施例具有以下优点：本专利技术实施例中，在获取到待分割的原始图像的聚类数目和像素点后，可首先根据聚类数目和像素点对预设蛙跳算法进行初始化，其次可利用初始化后的预设蛙跳算法来对像素点进行寻优，得到原始图像的各局部最优像素点，并将所得到的局部最优像素点确定为模糊C均值聚类算法的初始聚类中心，然后利用模糊C均值聚类算法根据初始聚类中心对原始图像进行图像分割。即本专利技术实施例中，可通过结合预设蛙跳算法来确定模糊C均值聚类算法的初始聚类中心，并利用该初始聚类中心进行再聚类来实现图像分割，可以合理确定模糊C均值聚类算法的初始聚类中心，以提高图像分割效果，另外，因蛙跳算法具有计算速度快、寻优能力强等特点，因此将预设蛙跳算法与模糊C均值聚类算法相结合来进行图像分割，可有效减少图像分割过程中的计算复杂度，提高收敛速度，极大地提高了图像分割效率和分割效果。附图说明为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例中一种图像分割方法的一个实施例流程图；图2为本专利技术实施例中一种图像分割方法在一个应用场景下进行寻优处理的流程示意图；图3为本专利技术实施例中一种图像分割装置的一个实施例结构图；图4为本专利技术一实施例提供的一种终端设备的示意图。具体实施方式本专利技术实施例提供了一种图像分割方法、装置、计算机可读存储介质及终端设备，用于合理确定FCM聚类的初始聚类中心，提高图像分割效率和分割效果，并能够有效减少图像分割过程中的计算复杂度。为使得本专利技术的专利技术目的、特征、优点能够更加的明显和易懂，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本专利技术一部分实施例，而非全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。请参阅图1，本专利技术实施例提供了一种图像分割方法，所述图像分割方法包括：步骤S101、获取待分割的原始图像，并确定所述原始图像的聚类数目和像素点；本专利技术实施例的执行主体为终端设备，该终端设备包括但不限于：服务器、计算机、智能手机以及平板电脑等设备。当需要进行图像分割时，可在该终端设备中输入待分割的原始图像，并设置所述原始图像的聚类数目，如可将所述原始图像的聚类数目设置为4或者3等等，终端设备在获取到所述原始图像之后，即可确定出所述原始图像的像素点，如确定出所述原始图像的像素点个数和各像素点位置等。步骤S102、根据所述聚类数目和所述像素点对预设蛙跳算法进行初始化，并通过初始化后的预设蛙跳算法对所述像素点进行寻优处理，得到所述原始图像的各局部最优像素点；本专利技术实施例中，该终端设备在确定出所述原始图像的聚类数目和像素点后，可根据所述聚类数目和所述像素点对预设蛙跳算法进行初始化，并通过初始化后的预设蛙跳算法对所述像素点进行寻优处理，得到所述原始图像的各局部最优像素点。具体地，如图2所示，所述根据所述聚类数目和所述像素点对预设蛙跳算法进行初始化，并通过初始化后的预设蛙跳算法对所述像素点进行寻优处理，得到所述原始图像的各局部最优像素点，可以包括：步骤S201、将所述聚类数目确定为所述预设蛙跳算法的种群组数，构建所述种群组数的初始种群，并初始化各所述初始种群的第一聚类中心；本专利技术实施例中，可将所述原始图像的聚类数目确定为预设蛙跳算法的种群组数，以构建该种群组数的初始种群，并可初始化各初始种群的第一聚类中心，如可通过随机生成函数rand(i)生成各初始种群的第一聚类中心，如在某一具体应用场景中，当所述原始图像的聚类数目为4时，则可确定所述预设蛙跳算法的种群组数为4，也就是说需要构建4个初始种群，即需要通过随机生成函数rand(i)生成4个第一聚类中心，而每一个第一聚类中心则对应于一个初始种群。步骤S202、根据所述像素点确定所述预设蛙跳算法的青蛙个体，并计算每一个青蛙个体与各所述第一聚类中心之间的第一隶属度；本专利技术实施例中，可以根据所述原始图像的像素点生成预设数量的青蛙个体，本文档来自技高网...

【技术保护点】
1.一种图像分割方法，其特征在于，包括：获取待分割的原始图像，并确定所述原始图像的聚类数目和像素点；根据所述聚类数目和所述像素点对预设蛙跳算法进行初始化，并通过初始化后的预设蛙跳算法对所述像素点进行寻优处理，得到所述原始图像的各局部最优像素点；将各所述局部最优像素点确定为模糊C均值聚类算法的初始聚类中心，并利用所述模糊C均值聚类算法根据所述初始聚类中心对所述原始图像进行再聚类，得到分割图像。

【技术特征摘要】
1.一种图像分割方法，其特征在于，包括：获取待分割的原始图像，并确定所述原始图像的聚类数目和像素点；根据所述聚类数目和所述像素点对预设蛙跳算法进行初始化，并通过初始化后的预设蛙跳算法对所述像素点进行寻优处理，得到所述原始图像的各局部最优像素点；将各所述局部最优像素点确定为模糊C均值聚类算法的初始聚类中心，并利用所述模糊C均值聚类算法根据所述初始聚类中心对所述原始图像进行再聚类，得到分割图像。2.根据权利要求1所述的图像分割方法，其特征在于，所述根据所述聚类数目和所述像素点对预设蛙跳算法进行初始化，并通过初始化后的预设蛙跳算法对所述像素点进行寻优处理，得到所述原始图像的各局部最优像素点，包括：将所述聚类数目确定为所述预设蛙跳算法的种群组数，构建所述种群组数的初始种群，并初始化各所述初始种群的第一聚类中心；根据所述像素点确定所述预设蛙跳算法的青蛙个体，并计算每一个青蛙个体与各所述第一聚类中心之间的第一隶属度；根据所述第一隶属度将各青蛙个体划分至对应的初始种群，并根据所述第一隶属度获取各所述初始种群的最差青蛙个体；按照预设更新方式对各所述最差青蛙个体进行位置更新，得到更新后的新种群；判断所述新种群是否满足预设终止条件；若所述新种群满足所述预设终止条件，则获取各所述新种群中的最优青蛙个体，并将各所述最优青蛙个体确定为所述原始图像的各局部最优像素点；若所述新种群不满足所述预设终止条件，则确定各所述新种群的第二聚类中心，计算各所述新种群中的每一个青蛙个体与对应的第二聚类中心之间的第二隶属度，并将各所述新种群确定为初始种群、将所述第二隶属度确定为第一隶属度，返回执行根据所述第一隶属度获取各所述初始种群的最差青蛙个体的步骤以及后续步骤。3.根据权利要求2所述的图像分割方法，其特征在于，所述计算每一个青蛙个体与各所述第一聚类中心之间的第一隶属度，包括：利用所述模糊C均值聚类算法的隶属度计算公式计算每一个青蛙个体与各所述第一聚类中心之间的第一隶属度，其中，所述隶属度计算公式为：其中，uij为青蛙个体j与第一聚类中心i之间的第一隶属度，Xj为青蛙个体j的位置向量，Vi为第一聚类中心i的位置向量，C为聚类数目，m为模糊C均值聚类算法的模糊度，||Xj-Vi||为Xj与Vi之间的欧式距离。4.根据权利要求3所述的图像分割方法，其特征在于，所述判断所述新种群是否满足预设终止条件，包括：根据各所述第一隶属度计算所述新种群的目标函数值，并判断所述目标函数值是否满足预设条件；具体地，所述目标函数值的的计算公式为：其中，F(t)为目标函数值，C为聚类数目，N为青蛙个体的总个数，uij为青蛙个体j与第一聚类中心i之间的第一隶属度，Xj为青蛙个体j的位置向量，Vi为第一聚类中心i的位置向量。5.根据权利要求2所述的图像分割方法，其特征在于，所述按照预设更新方式对各所述最差青蛙个体进行位置更新，包括：根据下述更新公式对各所述最差青蛙个体进行位置更新：newXi＝ε*(Xi+D)phi＝4*rand(i)其中，newXi为青蛙个体i更新后的位置向量，Xi为青蛙个体i...

【专利技术属性】
技术研发人员：杜艳艳，
申请(专利权)人：深圳壹账通智能科技有限公司，
类型：发明
国别省市：广东,44