matlab任务：FCM分类

一个朋友让帮忙做图像分类，用FCM聚类算法，网上查了一下，FCM基本都是对一幅图像进行像素的分类，跟他说的任务不太一样，所要做的是将一个文件夹里的一千多幅图像进行分类。图像大概是这个样子的（是25*25的小图像）：

自己写太麻烦，我花了些时间在GitHub上找了FCM的算法，有一个比较合适的算法，链接如下：https://github.com/HosseinAbedi/FCM ，这个代码本来是用FCM处理鸢尾花分类的，输入是鸢尾花的四个特征，输出是三个预测类别。因为图像就是矩阵，矩阵也是多维向量，每一个像素值可以看做一个特征，那么完全可以把图像的所有像素当作特征值输入到程序中，而且他给的数据集里的图像是25*25的小图像而且是灰度图像。因此，我把图像文件夹里的图像转成了大矩阵，每一行代表一张图像。本身的鸢尾花数据是存为一个iris.mat的，是一个150*5的double矩阵，运行程序的时候先加载这个mat。我也依样画葫芦，将图像存为了一个1330*25的double矩阵，代码如下：

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];
    % 对图像image进行相关操作
end
save Data.mat Images;

然后就可以直接调用主FCM程序了。除了输入输出，其他基本没变。直接把原来的输出结果prediction向量改为输出三个分类，原来的向量是第一个图像是第几类，第二个图像是第几类这样的。改了之后是第一类有哪些图像，第二类有哪些图像等等。后来他说要分成20类，基本是一样的，写的比较简单，直接用向量来保存每一个类。代码如下：

number=1300; %图像的数量
%把分类存到下面的向量中，向量中的每个值代表第几幅图像，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;

　　分类最后的结果是这个样子的：

哦，中途还出了一个问题，错误提示是：fcm输入的参数太多，想了很久才想通，原来matlab有个自带的fcm函数，它的参数只有两个，难怪会提示输入的参数太多。把主函数fcm的文件名改为myfcm就可以了。

后来感觉还是有点不对，她说存成mat矩阵不好调用，还是直接把原来的数据集分类之后用文件保存起来，一个文件代表一个分类结果比较好，然后我直接把原图像文件夹的文件分成了20个子文件夹结果。其实还挺麻烦的，要先把源文件夹的图片读取出来，然后看看属于哪一类，再分到新的结果文件夹中。代码如下：

number=1300; %图像的数量

for x = 1:number
    switch(prediction(x))
        case 1
            filename=strcat('.\training2\','m',num2str(x),'.bmp');
            A=imread(filename);   %读取第一类的图片
            mkdir('result2\image1');
            newfile=strcat('.\result2\image1\m',num2str(x),'.bmp');
            imwrite(A,newfile);    %将第一类图片保存到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

　　最后的结果基本达到要求了，完整的叙述一下这个任务就是：把一个文件夹里的图像数据（25*25）用FCM聚类算法进行分类，然后分类的结果保存到新的子文件夹中，每一个文件夹存储一类结果。最后的结果如下：