模糊彩色图像分割 ::Matlab

Question

我正在使用 Matlab 模糊工具箱在 HSV 颜色空间中进行彩色图像分割。 目标是读取 RGB 图像-> 转换为 hsv-> 使用 H、S、V 值作为模糊系统的输入，然后找到该像素属于哪个类（这是我们的 16 种常量输出颜色）。 这是模糊系统：

“推理过程基于零阶Takagi-Sugeno模型，因此每个模糊规则的结果部分是集合{Black，White，Red，Orange等}的清晰离散值。 由于该模型有 10 个色调模糊集、5 个饱和度模糊集和 4 个值模糊集，因此该模型所需的规则总数为 10*5*4=200"。(1)

问题是当我在我的程序中使用这一行来获取输出值时

segimg=reshape(evalfis([h s v],hsvRuleSugeno),imgh,imgw);

输出不是我的任何常量类，因为它使用质心进行去模糊化，正如你在下面看到的，我不能依赖它作为输出！

我搜索了很多论文和网站，但我认为它是如此简单，以至于没有人解释它！我遗漏了一些东西，或者我可能没有足够的知识，请你帮我理解这个问题吗？

参考： (1)：使用模糊逻辑进行基于人类感知的颜色分割，Lior Shamir 计算机科学系，密歇根理工大学。

Answer 1

论文在第 2.3 节中解释了计算过程。您不需要从evalfis 获得的非离散值或质心值。我假设您已经制定了必须将 16 个类之一作为输出的所有规则。这意味着每个输出类都与至少一个规则相关联。根据论文，您需要：

1. 创建 16 个组，其中包含与每个输出类相关联的规则。黄色一组，白色一组，黑色一组……
2. 计算每条规则的强度。
3. 对于每个组，求该组中包含的所有规则的强度值的总和。
4. 然后找到其包含的规则的累积强度和最大的组。

为了实现这一点，我们不能依赖基于质心的去模糊值。我检查了evalfis 上的文档，下面是应该能够执行上述算法的脚本。思路是收集每条规则的强度，根据规则的输出类将规则分组，然后求各组的总和，求最大值。

[output, IRR, ORR, ARR] = evalfis(input, fismat)
m = cat(2, ORR, ARR);
m = sortrows(m, 1)

r = [];
for l = 2 : size(m, 1)
    if m(l, 1) ~= m(l - 1, 1)
        r = cat(1, r, m(l - 1, :));
    else
        m(l, 2) = m(l, 2) + m(l - 1, 2);
    end
end

if size(m, 1) >= 2
    r = cat(1, r, m(size(m, 1), :));
end

% r now contains the final class to be choosen
disp(r)

Answer 2

非常感谢您的回答 Shivam， 实际上你的代码有一个错误，但我明白了并开始研究它，终于找到了该怎么做！这是我使用的，结果还可以！现在我必须努力调整规则以获得更好的结果

for i=1:imh
    for j=1:imw
        [output, IRR, ORR, ARR] = evalfis([h(i,j);s(i,j);v(i,j)], hsvRuleSugeno);
        m = cat(2,ARR,ORR);
        [trash,idx] = unique(m(:,1),'first');
        out = m(sort(idx),:);
        out(:,[1,2])=out(:,[2,1]);
        out = sortrows(out, 1);
         res=zeros(size(out));
           for l = 2 : size(out, 1)
                if out(l, 1) == out(l - 1, 1)
                res(l-1,1) = out(l-1,1);
                res(l-1,2) = out(l-1,2)+out(l,2);
                else
                res(l,1) = out(l,1);
                res(l,2) = out(l,2);  
                end
           end
           [num idx] = max(res(:,2));
           [x y] = ind2sub(size(res),idx);
          segimg(i,j)=res(x,y)/10;    
    end
end

分段结果：http://i45.tinypic.com/2aj9mg.jpg