خوشه بندی و کاهش رنگ تصویر با الگوریتم های مختلف با متلب

پروژه خوشه بندی و کاهش رنگ تصویر با MATLAB

در این پست پروژه خوشه بندی و کاهش رنگ تصویر با الگوریتم های مختلف با متلب را آماده کرده ایم که الگوریتم های مورد استفاده در آن k-Means , FCM – Fuzzy c-mean , SOM – Self Organization Map می باشند. در زمان اجرای برنامه، مشخص می کنیم که خوشه بندی و کاهش رنگ تصویر با کدامیک از این سه الگوریتم و در کدام فضای رنگی (RGB یا HSV) انجام شود. همچنین تعداد رنگ ها نیز قابل تعیین است.

رنگ از مهم ترین خواص تصویر می باشد كه انسان را در تشخیص اشیا و درک آن در محیط خود، یاری می کند. در های بینایی ماشین، رنگ ویژگی های دیگری را به مشخصات تصویر اضافه می کند كه درک تصویر را برای ماشین بهبود میدهد. اما در بینایی ماشین، با محدودیت هایی در استفاده از رنگ رو به رو هستیم که از جمله آنها سرعت پردازش محدود و هزینه بسیار هستند.

بنابراین نمی توانیم از رنگ که به عنوان فاكتور اساسی در شناسایی تصاویر می باشد، چشم پوشی کنیم. با پیشرفت روز افزون سرعت و قدرت پردازش كامپیوترها، استفاده از رنگ در خوشه بندی و ناحیه بندی و بازیابی تصاویر در حال گسترش است.

توضیحات بیشتر، فیلم و تصاویری از خروجی پروژه خوشه بندی و کاهش رنگ تصویر با الگوریتم های مختلف با متلب در ادامه مطلب.

پردازش و درک تصاویر با تعداد رنگ های محدود، در بیشتر موارد آسانتر می باشد. اگر چه هدف از كاهش رنگ، كاهش حجم تصویر به منظور ذخیره سازی و ارسال (با ایمیل و یا به اشتراک گذاری در شبکه های اجتماعی) می باشد. در تصاویری که داری سطوح خاكستری می باشند، از روش چند آستانه به جهت كاهش تعداد سطوح خاكستری استفاده می شود.

این روش به سه شكل كلاس بندی می شوند که كلاس اول از روش انطباق لبه استفاده می كند و كلاس دوم بر پایه روش های چند آستانه هیستوگرام عمل می کنید و كلاس سوم نیز تركیبی از روش های قبلی می باشد.

تصاویری از خروجی پروژه خوشه بندی و کاهش رنگ تصویر :

تصویر خروجی 1:

تصویر خروجی 2:

تصویر خروجی 3:

تصویر خروجی 4:

تصویر خروجی 5:

تصویر خروجی 6:

تصویر خروجی 7: