基于PCNN的MATLAB灰度图像自动分割系统

资 源 简 介

本项目利用脉冲耦合神经网络（PCNN）实现灰度图像的自适应分割，无需手动设定阈值，通过模拟神经元点火机制提取特征，适用于医学影像、遥感图像等自动化处理场景。

详 情 说 明

基于PCNN的灰度图像自动分割系统

项目介绍

本项目实现了一种基于脉冲耦合神经网络（PCNN）的灰度图像自动分割系统。PCNN模型模拟生物视觉皮层神经元的同步脉冲发放特性，能够依据图像像素间的空间邻近性与灰度相似性进行自适应区域分割。系统无需预先设定分割阈值，特别适用于医学影像、遥感图像等复杂灰度图像的处理，可有效提取感兴趣区域。

功能特性

• 自适应分割：利用PCNN的生物激励模型，无需人工干预设定分割阈值，实现图像内容驱动的自动分割。
• 特征保留：通过神经元的脉冲同步点火机制，有效保持图像区域的连通性与轮廓特征。
• 多格式输入：支持常见的灰度图像格式（如.jpg, .png, .bmp）。
• 结果多样化输出：

* 生成分割后的二值化图像或区域标记图像。 * 提供分割区域边界叠加于原图的可视化效果，便于对比分析。 * 输出分割区域的统计信息，包括区域数量、各区域像素面积等。

使用方法

1. 准备图像：将待分割的灰度图像放置在项目目录的指定路径下（例如 input_images/）。
2. 配置参数（可选）：可根据具体图像特性，在代码中调整PCNN模型的相关参数（如链接强度、迭代次数等）以优化分割效果。
3. 运行主程序：在MATLAB环境中运行 main.m 脚本。
4. 获取结果：程序执行完毕后，分割结果图像（二值图、边界叠加图）和统计信息将保存在输出目录（例如 output_results/）中，并可在命令行窗口查看统计摘要。

系统要求

• 操作系统： Windows / Linux / macOS
• 软件环境： MATLAB R2018a 或更高版本
• 依赖工具包： 图像处理工具箱 (Image Processing Toolbox)

文件说明

主程序文件集成了系统的核心处理流程，其功能包括：读取指定路径的灰度图像数据并进行必要的预处理；初始化并运行脉冲耦合神经网络模型完成图像分割；对PCNN的输出结果进行区域标记与分析；生成并保存分割结果图像，包括二值化效果图及边界叠加可视化图；计算并输出分割区域的统计信息。