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，然后找到此像素属于哪个类别（这里是我们的16种恒定输出颜色）。 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个色相的模糊集，饱和度的5个集和值的4个模糊集，此模型所需的规则总数为10 * 5 * 4 = 200“。（1）

问题是当我在程序中使用此行获取输出值时

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解模糊，并且正如您在下面看到的那样，我不能依靠它作为输出！

我搜索了许多论文和网站，但我认为它是如此简单，没人能解释！ 我缺少某些东西，或者我可能没有足够的知识，请您帮我了解这个问题？

参考：（1）：使用模糊逻辑的基于人知觉的颜色分割，密歇根理工学院计算机科学系的Lior Shamir。

Answer 1

本文在第2.3节中说明了计算过程。 您不需要从evalfis获得的非离散或质心值。 我假设您已经制定了所有必须提供16个类之一作为输出的规则。 这意味着每个每个输出类都与至少一个规则相关联。 根据该论文，您需要：

1. 制作16组，其中包含与每个输出类关联的规则。 一组代表黄色，一组代表白色，一组代表黑色，依此类推...
2. 计算每条规则的强度。
3. 对于每个组，找到该组中包含的所有规则的强度值总和。
4. 然后找到包含其规则的最大累积强度总和的组。

为此，我们不能依靠基于质心的去模糊值。 我查看了evalfis的文档，下面是应该能够执行上述算法的脚本。 想法是收集每个规则的强度，根据规则的输出类将规则分为几组，然后找到每个组的总和并找到最大值。

[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，实际上您的代码有错误，但是我明白了这个想法并开始进行研究，终于找到了解决方法！ 这是我用的，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

细分结果：http：//i45.tinypic.com/2aj9mg.jpg