(44 امتیاز از 9 رای)
Loading...
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 که 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 که 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 فاکتور اساسی در شناسایی تصاویر می باشد، چشم پوشی کنیم. با پیشرفت روز افزون سرعت و قدرت پردازش کامپیوترها، 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 کاهش رنگ، کاهش 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 خاکستری می باشند، از روش چند آستانه به جهت کاهش تعداد سطوح خاکستری استفاده می شود.
این روش به سه شکل کلاس بندی می شوند که کلاس اول از روش انطباق لبه استفاده می کند و کلاس دوم بر پایه روش های چند آستانه هیستوگرام عمل می کنید و کلاس سوم نیز ترکیبی از روش های قبلی می باشد.
تصاویری از خروجی پروژه خوشه بندی و کاهش رنگ تصویر :
تصویر خروجی ۱:
تصویر خروجی ۲:
تصویر خروجی ۳:
تصویر خروجی ۴:
تصویر خروجی ۵:
تصویر خروجی ۶:
تصویر خروجی ۷:
انجام پروژه ها و شبیه سازی مقالات و پایان نامه ها با متلب
پروژه ها و آموزش های برنامه نویسی
مشاهده ویدئو در این باره
سلام میشه یکی دو مورد از الگوریتم هایی رو که تو پروژتون استفاده می کنید نام ببرید .