ksw_ga_improve.asv

遗传算法就的开始株型紧凑可执行：早晨从看见着在科学考察偶支持

%%%利用最佳直方图熵法（KSW熵法）及改进遗传算法实现灰度图像阈值分割
%%%主程序


%%初始部分，读取图像及计算相关信息


clear;
close all;
clc;

I=imread('rice_noise.tif');

hist=imhist(I);
total=0;
for i=0:255
    total=total+hist(i+1);
end
hist1=hist/total;

HT=0;
for i=0:255
    if hist1(i+1)==0
        temp=0;
    else
        temp=hist1(i+1)*log(1/hist1(i+1));
    end
    HT=HT+temp;
end


%%程序主干部分

    %种群随机初始化，种群数取10，染色体二进制编码取8位
    t0=clock;
    
    population=10;
  
    X0=round(rand(1,population)*255);
    
    for i=1:population
        adapt_value0(i)=ksw(X0(i),0,255,hist1,HT);
    end
    
    adapt_average0=mean(adapt_value0);
    
    X1=X0;
    adapt_value1=adapt_value0;
    adapt_average1=adapt_average0;
    
    %循环搜索，搜索代数取100
    
    generation=100;
    
    for k=1:generation
        
        s1=select(X1,adapt_value1);
    
        s_code1=dec2bin(s1,8);
    
        c1=cross(s_code1);
    
        v1=mutation(c1);
    
        X2=(bin2dec(v1))';
    
        for i=1:population
            adapt_value2(i)=ksw(X2(i),0,255,hist1,HT);
        end
    
        adapt_average2=mean(adapt_value2);
    
        if abs(adapt_average2-adapt_average1)<=0.1
            break;
        else
            X1=X2;
            adapt_value1=adapt_value2;
            adapt_average1=adapt_average2; 
        end
    end
    
    max_value=max(adapt_value2);
    number=find(adapt_value2==max_value);
    t_opt=round(mean(X2(number)));

t1=clock;
search_time=etime(t1,t0);

%%阈值分割及显示部分

threshold_opt=t_opt/255;

I1=im2bw(I,threshold_opt);

disp('灰度图像阈值分割的效果如图所示：');
disp('源图为：Fifure No.1');
disp('最佳直方图熵法及改进遗传算法阈值分割后的图像为：Fifure No.2');

figure(1);
imshow(I);
title('源图');

figure(2);
imshow(I1);
title('最佳直方图熵法及改进遗传算法阈值分割后的图像');


disp('最佳直方图熵法及改进遗传算法阈值为：');
disp(t_opt);

disp('最佳直方图熵法及改进遗传算法阈值搜索所用时间（s）：');
disp(search_time);

%%程序结束