ncut图像分割

谱聚类算法对图像进行分割的程序，可以直接运行，主程序为Demo,Demo_features,运行后可以对程序包中带的图片1和图片2进行分割。

% This code implemented a 搉ormalized-cut?segmentation using color and texture information

% This code segment an image using color texture and spatial data
% RGB color is used as an color data
% Four texture features are used: 1. mean 2. variance 3. skewness 4. kurtosis
% Normalized Cut （inherently uses spatial data）
% ncut parameters are “SI“ Color similarity “ST“ Texture similarity “SX“ Spatial similarity “r“ Spatial threshold （less than r pixels apart） “sNcut“ The smallest Ncut value （threshold） to keep partitioning and “sArea“ The smallest size of area （threshold） to be accepted as a segment 

% an implementation by “Naotoshi Seo“ with a small modification is used for 搉ormalized-cut?segmentation available online at: “http://note.sonots.com/SciSoftware/NcutImageSegmentation.html“ It is sensitive in choosing parameters.

% Alireza Asvadi
% Department of ECE SPR Lab
% Babol （Noshirvani） University of Technology
% http://www.a-asvadi.ir
% 2013
%% clear command windows
clc
clear all
close all
tic
%% initialize
Im = imread（‘1.jpg‘）;
[nRownColdim] = size（Im）;              % Image row & col
N  = nRow*nCol;                          % Number of pixels
Vx = reshape（ImNdim）;                  % Vertices of Graph
% figure（）; imshow（Im）;
%% Texture
m    = 1;                                % window width for texture extraction is 2*m+1
ST   = 10;                               % texture similarity
dim2 = 4;                                % number of texture features
In = im2double（rgb2gray（Im））;
T = zeros（nRownColdim2）;               % initialize variance image
for i = 1:nRow                           % central pixel （in image coordinate）                              
    for j = 1:nCol   
Vi  = （i-floor（m））:（i+floor（m））;         %% neighbourhood pixels （in image coordinate）
Vj  = （（j-floor（m））:（j+floor（m）））;
Vi  = Vi（Vi>=1 & Vi<=nRow）;              % keep pixels that are inside image
Vj  = Vj（Vj>=1 & Vj<=nCol）;
blk = In（ViVj）;                         %% image block
T（ij1） = mean（blk（:））;                 % mean
T（ij2） = var（blk（:））;                  % variance
T（ij3） = skewness（blk（:））;             % skewness
T（ij4） = kurtosis（blk（:））;             % kurtosis
    end
end
T（::1） = （T（::1）-min（min（T（::1））））/（max（max（T（::1）））-min（min（T（::1））））;
T（::2） = （T（::2）-min（min（T（::2））））/（max（max（T（::2）））-min（min（T（::2））））;
T（::3） = （T（::3）-min（min（T（::3））））/（max（max（T（::3）））-min（min（T（::3））））;
T（::4） = （T（::4）-min（min（T（::4））））/（max（max（T（::4）））-min（min（T（::4））））;
T = uint8（255*T）;                        % normalization
% figure（）; imshow（T）
%% Compute weight matrix W
r  = 1.5;                                % Spatial threshold （less than r pixels apart）
SI = 5;                                  % Color similarity
SX = 6;                                  % Spatial similarity
sNcut = 0.22;                            % The smallest Ncut value （threshold） to keep partitioning 
sArea = 30;                       

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件        3033  2013-09-15 06:42  NcutPartition.m
     文件        1374  2013-09-15 06:43  NcutValue.m
     文件       16869  2013-07-04 00:11  1.jpg
     文件       13507  2013-09-15 05:47  2.jpg
     文件        6803  2015-08-27 18:17  Demo.m
     文件        2462  2013-09-15 14:51  Demo_features.m
     文件        1307  2015-09-09 08:21  license.txt