matlab任務：FCM分類

一個朋友讓幫忙做圖像分類，用FCM聚類算法，網上查了一下，FCM基本都是對一幅圖像進行像素的分類，跟他說的任務不太一樣，所要做的是將一個文件夾里的一千多幅圖像進行分類。圖像大概是這個樣子的（是25*25的小圖像）：

 

自己寫太麻煩，我花了些時間在GitHub上找了FCM的算法，有一個比較合適的算法，鏈接如下：https://github.com/HosseinAbedi/FCM ，這個代碼本來是用FCM處理鳶尾花分類的，輸入是鳶尾花的四個特征，輸出是三個預測類別。因為圖像就是矩陣，矩陣也是多維向量，每一個像素值可以看做一個特征，那么完全可以把圖像的所有像素當作特征值輸入到程序中，而且他給的數據集里的圖像是25*25的小圖像而且是灰度圖像。因此，我把圖像文件夾里的圖像轉成了大矩陣，每一行代表一張圖像。本身的鳶尾花數據是存為一個iris.mat的，是一個150*5的double矩陣，運行程序的時候先加載這個mat。我也依樣畫葫蘆，將圖像存為了一個1330*25的double矩陣，代碼如下：

clear all;
clc;
pt = '.\training2\';
ext = '*.bmp';
dis = dir([pt ext]);
nms = {dis.name};
Images=[];
for k = 1:length(nms)
    nm = [pt nms{k}];
    A = imread(nm);
   B = reshape(double(A.'),1,25);
    Images=[Images;B];
    % 對圖像image進行相關操作
end
save Data.mat Images;

然后就可以直接調用主FCM程序了。除了輸入輸出，其他基本沒變。直接把原來的輸出結果prediction向量改為輸出三個分類，原來的向量是第一個圖像是第幾類，第二個圖像是第幾類這樣的。改了之后是第一類有哪些圖像，第二類有哪些圖像等等。后來他說要分成20類，基本是一樣的，寫的比較簡單，直接用向量來保存每一個類。代碼如下：

number=1300; %圖像的數量
%把分類存到下面的向量中，向量中的每個值代表第幾幅圖像，3代表‘m3.bmp’.
a=[];b=[];c=[];d=[];e=[];f=[];g=[];h=[];i=[];j=[];
k=[];l=[];m=[];n=[];o=[];p=[];q=[];r=[];s=[];t=[];


for x = 1:number
    switch(prediction(x))
        case 1
            a=[a,x];
        case 2
            b=[b,x];
        case 3
            c=[c,x];
        case 4
            d=[d,x];
        case 5
            e=[e,x];
        case 6
            f=[f,x];
        case 7
            g=[g,x];
        case 8
            h=[h,x];
        case 9
            i=[i,x];
        case 10
            j=[j,x];
        case 11
            k=[k,x];
        case 12
            l=[l,x];
        case 13
            m=[m,x];
        case 14
            n=[n,x];
        case 15
            o=[o,x];
        case 16
            p=[p,x];
        case 17
            q=[q,x];
        case 18
            r=[r,x];
        case 19
            s=[s,x];
        case 20
            t=[t,x];
    end
end
            
save .\result\A.mat a;save .\result\B.mat b;save .\result\C.mat c;save .\result\D.mat d;
save .\result\E.mat e;save .\result\F.mat f;save .\result\G.mat g;save .\result\H.mat h;
save .\result\I.mat i;save .\result\J.mat j;save .\result\K.mat k;save .\result\L.mat l;
save .\result\M.mat m;save .\result\N.mat n;save .\result\O.mat o;save .\result\P.mat p;
save .\result\Q.mat q;save .\result\R.mat r;save .\result\S.mat s;save .\result\T.mat t;

　　分類最后的結果是這個樣子的：

 

哦，中途還出了一個問題，錯誤提示是：fcm輸入的參數太多，想了很久才想通，原來matlab有個自帶的fcm函數，它的參數只有兩個，難怪會提示輸入的參數太多。把主函數fcm的文件名改為myfcm就可以了。

后來感覺還是有點不對，她說存成mat矩陣不好調用，還是直接把原來的數據集分類之后用文件保存起來，一個文件代表一個分類結果比較好，然后我直接把原圖像文件夾的文件分成了20個子文件夾結果。其實還挺麻煩的，要先把源文件夾的圖片讀取出來，然后看看屬於哪一類，再分到新的結果文件夾中。代碼如下：

number=1300; %圖像的數量

for x = 1:number
    switch(prediction(x))
        case 1
            filename=strcat('.\training2\','m',num2str(x),'.bmp');
            A=imread(filename);   %讀取第一類的圖片
            mkdir('result2\image1');
            newfile=strcat('.\result2\image1\m',num2str(x),'.bmp');
            imwrite(A,newfile);    %將第一類圖片保存到result2中
        case 2
            filename=strcat('.\training2\','m',num2str(x),'.bmp');
            A=imread(filename);
            mkdir('result2\image2');
            newfile=strcat('.\result2\image2\m',num2str(x),'.bmp');
            imwrite(A,newfile);
        case 3
            filename=strcat('.\training2\','m',num2str(x),'.bmp');
            A=imread(filename);
            mkdir('result2\image3');
            newfile=strcat('.\result2\image3\m',num2str(x),'.bmp');
            imwrite(A,newfile);
        case 4
            filename=strcat('.\training2\','m',num2str(x),'.bmp');
            A=imread(filename);
            mkdir('result2\image4');
            newfile=strcat('.\result2\image4\m',num2str(x),'.bmp');
            imwrite(A,newfile);
        case 5
            filename=strcat('.\training2\','m',num2str(x),'.bmp');
            A=imread(filename);
            mkdir('result2\image5');
            newfile=strcat('.\result2\image5\m',num2str(x),'.bmp');
            imwrite(A,newfile);
        case 6
            filename=strcat('.\training2\','m',num2str(x),'.bmp');
            A=imread(filename);
            mkdir('result2\image6');
            newfile=strcat('.\result2\image6\m',num2str(x),'.bmp');
            imwrite(A,newfile);
        case 7
            filename=strcat('.\training2\','m',num2str(x),'.bmp');
            A=imread(filename);
            mkdir('result2\image7');
            newfile=strcat('.\result2\image7\m',num2str(x),'.bmp');
            imwrite(A,newfile);
        case 8
           filename=strcat('.\training2\','m',num2str(x),'.bmp');
            A=imread(filename);
            mkdir('result2\image8');
            newfile=strcat('.\result2\image8\m',num2str(x),'.bmp');
            imwrite(A,newfile);
        case 9
            filename=strcat('.\training2\','m',num2str(x),'.bmp');
            A=imread(filename);
            mkdir('result2\image9');
            newfile=strcat('.\result2\image9\m',num2str(x),'.bmp');
            imwrite(A,newfile);
        case 10
            filename=strcat('.\training2\','m',num2str(x),'.bmp');
            A=imread(filename);
            mkdir('result2\image10');
            newfile=strcat('.\result2\image10\m',num2str(x),'.bmp');
            imwrite(A,newfile);
        case 11
            filename=strcat('.\training2\','m',num2str(x),'.bmp');
            A=imread(filename);
            mkdir('result2\image11');
            newfile=strcat('.\result2\image11\m',num2str(x),'.bmp');
            imwrite(A,newfile);
        case 12
            filename=strcat('.\training2\','m',num2str(x),'.bmp');
            A=imread(filename);
            mkdir('result2\image12');
            newfile=strcat('.\result2\image12\m',num2str(x),'.bmp');
            imwrite(A,newfile);
        case 13
            filename=strcat('.\training2\','m',num2str(x),'.bmp');
            A=imread(filename);
            mkdir('result2\image13');
            newfile=strcat('.\result2\image13\m',num2str(x),'.bmp');
            imwrite(A,newfile);
        case 14
            filename=strcat('.\training2\','m',num2str(x),'.bmp');
            A=imread(filename);
            mkdir('result2\image14');
            newfile=strcat('.\result2\image14\m',num2str(x),'.bmp');
            imwrite(A,newfile);
        case 15
            filename=strcat('.\training2\','m',num2str(x),'.bmp');
            A=imread(filename);
            mkdir('result2\image15');
            newfile=strcat('.\result2\image15\m',num2str(x),'.bmp');
            imwrite(A,newfile);
        case 16
            filename=strcat('.\training2\','m',num2str(x),'.bmp');
            A=imread(filename);
            mkdir('result2\image16');
            newfile=strcat('.\result2\image16\m',num2str(x),'.bmp');
            imwrite(A,newfile);
        case 17
            filename=strcat('.\training2\','m',num2str(x),'.bmp');
            A=imread(filename);
            mkdir('result2\image17');
            newfile=strcat('.\result2\image17\m',num2str(x),'.bmp');
            imwrite(A,newfile);
        case 18
            filename=strcat('.\training2\','m',num2str(x),'.bmp');
            A=imread(filename);
            mkdir('result2\image18');
            newfile=strcat('.\result2\image18\m',num2str(x),'.bmp');
            imwrite(A,newfile);
        case 19
            filename=strcat('.\training2\','m',num2str(x),'.bmp');
            A=imread(filename);
            mkdir('result2\image19');
            newfile=strcat('.\result2\image19\m',num2str(x),'.bmp');
            imwrite(A,newfile);
        case 20
            filename=strcat('.\training2\','m',num2str(x),'.bmp');
            A=imread(filename);
            mkdir('result2\image20');
            newfile=strcat('.\result2\image20\m',num2str(x),'.bmp');
            imwrite(A,newfile);
    end
end

　　最后的結果基本達到要求了，完整的敘述一下這個任務就是：把一個文件夾里的圖像數據（25*25）用FCM聚類算法進行分類，然后分類的結果保存到新的子文件夾中，每一個文件夾存儲一類結果。最后的結果如下：