模糊C均值（FCM）对图像进行分割的python代码

模糊C均值（Fuzzy C-Means, FCM）是一种基于数据聚类的无监督学习算法。在Python中，可以使用`skfuzzy`库来实现FCM。以下是一个简单的例子，展示了如何使用`skfuzzy.cluster.cmeans`函数对图像进行分割：

from skimage import data, io
import numpy as np
from skfuzzy import cmeans

# 加载图像
image = io.imread('your_image.jpg', as_gray=True)

# 将图像转换为适合FCM的二维数组（假设灰度图像）
data_matrix = image.reshape(-1, 1)

# 定义初始隶属度矩阵（通常随机生成，这里设置为0-1范围内的均匀分布）
u = np.random.rand(*data_matrix.shape) / len(data_matrix)

# 设置迭代次数和C值（聚类的数量）
c = 2  # 假设有两个聚类
max_iterations = 100

# 运行FCM算法
centroids, membership = cmeans(data_matrix, c, u, max_iterations, 2, display='text')

# 使用聚类中心将图像像素分配到相应的簇
segmented_image = np.choose(membership.argmax(axis=1), centroids)

# 显示原图和分割后的图像
io.imshow(image)
io.imshow(segmented_image, cmap='gray')
io.show()