基于灰度拉伸与FCM聚类的图像增强与分割系统

资 源 简 介

本项目旨在构建一个集成图像预处理与自动分割功能的MATLAB仿真平台。系统首先利用灰度拉伸技术对输入图像进行对比度增强，通过线性或非线性映射将原始图像中较窄的像素灰度范围扩展到完整的动态范围，使图像的细节信息更加突出。随后，引入直方图均衡化算法，通过计算像素累积分布函数来实现灰度值的重分布，使得处理后的图像直方图趋于均匀，从而显著改善光照不均导致的问题。项目的核心部分采用了模糊C均值（FCM）聚类算法，该算法通过迭代优化目标函数，计算每个像素点对于不同聚类中心的隶属度，实现了对图像中复杂背景与目标的精确分

详 情 说 明

图像增强与分割系统：基于灰度拉伸、直方图均衡与FCM聚类

本项目是一个集成了图像对比度增强与自动化分割功能的MATLAB仿真平台。通过结合经典的线性灰度拉伸、手动实现的直方图均衡化以及优化的模糊C均值（FCM）聚类算法，系统能够有效地提升图像质量并实现目标探测。该项目涵盖了从底层像素点处理到高层语义分割的完整流程，适用于医学影像初步分析、工业检测及遥感图像识别等场景。

功能特性

1. 智能图像加载：支持多种常见图像格式（JPG, PNG, BMP, TIF），并内置了针对无输入情况的测试图像生成机制，确保程序的鲁棒性。
2. 线性对比度拉伸：自动检测图像的动态范围，通过线性映射将窄小的灰度区间扩展至全量级区间（0-255），增强画面细节。
3. 自定义直方图均衡化：不依赖系统内置函数，通过底层代码手动计算像素直方图、累积分布函数（CDF）并完成灰度重映射，有效解决光照不均问题。
4. 高效FCM聚类分割：针对传统全像素聚类速度慢的问题，系统采用基于直方图权重的FCM算法，大幅减少迭代计算量，并支持多类别自动分割与伪彩色标注。
5. 综合可视化控制台：一站式显示增强前后的图像对比、直方图演变趋势、聚类收敛曲线及最终的分层标记结果。

使用方法

1. 环境配置：运行前请确保MATLAB环境已安装，并将主程序文件置于工作路径下。
2. 启动系统：直接在MATLAB命令行窗口运行主脚本。
3. 交互输入：程序启动后会弹出文件选择对话框。您可以选择本地待处理图，若直接点击“取消”，系统将自动生成一张带有噪声和渐变效果的测试图像进行演示。
4. 自动处理：系统将依次执行灰度转换、灰度拉伸、直方图均衡化及FCM迭代运算。
5. 结果查看：处理完成后，系统会自动弹出包含9个子图的分析界面，并在命令行窗口输出聚类中心灰度值、迭代次数以及处理结果说明。

算法实现细节

1. 灰度拉伸逻辑

系统通过计算输入图像的全局最小值和最大值，应用线性映射公式将像素值重新调整到0至255之间。这一过程纠正了图像在采集过程中由于曝光不足或过度导致的信息堆积现象。

1. 直方图均衡化底层实现

系统首先通过双重循环统计0-255每个灰度级出现的频数，随后计算其概率分布（PDF）并进一步累加得到累积分布函数（CDF）。最后，利用CDF值作为映射表，将原始像素值转换为均衡分布的灰度值，从而最大化图像的熵。

1. 基于直方图的优化的模糊C均值（FCM）

这是系统的核心分割模块。与逐像素计算不同，本算法对256个灰度等级进行聚类，并以各灰度级的像素点数作为权重。

• 随机初始化：随机生成隶属度矩阵U。
• 迭代更新：根据隶属度的模糊幂次方更新聚类中心，随后根据欧氏距离重新计算隶属度。
• 收敛判定：通过监控目标函数（Loss Function）的变化量，当两次迭代间的损失差值小于预设阈值时停止迭代。
• 分类映射：根据隶属度最大原则对全图进行类别标记，并利用伪彩色映射技术通过Jet色谱生成可视化掩膜。

1. 结果可视化方案

通过subplot布局，系统展示了：

• 图像对比：原始灰度图、拉伸增强图、均衡化增强图。
• 统计分析：对应的三个阶段的直方图分布，直观反映动态范围的展宽效果。
• 聚类评估：展示算法收敛轨迹图、灰度分层标记图以及分割后的彩色掩码图。

系统要求

• 软件环境：MATLAB R2016b 或更高版本。
• 硬件要求：标准PC即可，FCM算法已针对直方图优化，即使是大尺寸图像也能在数秒内完成处理。
• 依赖项：主要使用MATLAB核心函数，可视化部分使用了Image Processing Toolbox中的imhist、label2rgb等辅助演示工具，但核心增强与聚类算法均为手写实现。