我如何确定图像处理遗传算法中的初始种群和染色体？
How do i decide initial population and chromosomes in genetic algorithm for image processing?
我也是图像处理和遗传算法的新手。搜索之后，我了解了 GA 的工作原理。现在我不得不在图像上应用 GA。当我搜索它时，我无法弄清楚什么是人口和染色体......但无论我在哪里搜索，他们都说将一维或二维数组作为染色体并找到它的适应度 value.I 我发现这很困难理解这些陈述。请帮我定义初始种群（是整个图像还是图像的任何部分？和染色体。感谢任何帮助。
你打算用什么来增强图像？如果您要应用过滤器、模糊等操作，那么染色体可能具有此类操作的参数：过滤器类型、内核大小，您甚至可以对内核的所有值进行编码。您也可以使用 GP 而不是 GA：http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.112.4452&rep=rep1&type=pdf
据我了解，您在术语方面存在问题：染色体是您用来探索 space 解决方案的个体，人口是这些染色体（个体）的集合。
在 GA 中，您可以将解决方案表示为字符串。在您的情况下，解决方案将是一张图像，可能由像素组成。
您可以将这些像素视为图像的 DNA。因此，那个 DNA 就是你的形象 'chromosome'。换句话说，染色体是图像中的像素序列。
现在，如您所知，在 GA 中，您将选择、交叉和变异结合起来（希望）为您的问题找到更好的解决方案（例如更好的图像）。
要应用这 3 个运算符，您需要一个群体，即一组染色体，您将对其进行随机抽样、组合和变异。完成这3个操作后，您将获得一个新种群，通常会取代旧种群。
我希望这能澄清。
编辑
如果您想进化多个图像（或更好：视情况而定），则对每一行使用一个 "chromosome" 不太正确。您必须将您的个体（图像）视为单染色体（人类有很多染色体，但在 GA 和 GP 中通常每个人只有一条染色体）。
层次结构是：
- 一个人口[=52=]由多个个体
组成
- 一个个体有一条染色体（DNA）
- 每条染色体由多个基因
组成
A gene 是你认为最小的可变单位。因此，例如，如果您的变异操作可以一次更改单个像素，那么您的基因将是像素（对于 256x256 图像，您将获得 65536 个基因）。
也可以整行作为基因，这样一个染色体就由256个基因组成，每个基因就是一个256像素的数组。通常这意味着您不能使用交叉来打断单个行，但是交叉会混合两个图像的行。
你选择什么作为基因取决于你的应用。您还可以将 256x256 RGB（24 位）图像表示为 256*256*3 字节的染色体，其中每个基因是一个字节，或者表示为 256*256*24 位，其中每个基因是一个位。
决定你可以使用什么作为基因是你如何定义一个变化有多小，以及当你做交叉时你可以在哪里切割染色体。
遗憾的是，这个术语没有独特的见解。许多科学家对 "gene" 是什么，"genome" 是什么，或者如何定义 "fitness" 函数有不同的看法。无论如何，你只需要学习基本概念：以后将它们映射到名称会更容易，别担心:)
你可能想看看这个：http://www.boente.eti.br/fuzzy/ebook-fuzzy-mitchell.pdf
GA 是全局优化启发式算法。首先，您应该清楚自己要优化的具体内容。形成初始种群的一种方法是生成随机个体。
我也是图像处理和遗传算法的新手。搜索之后，我了解了 GA 的工作原理。现在我不得不在图像上应用 GA。当我搜索它时，我无法弄清楚什么是人口和染色体......但无论我在哪里搜索，他们都说将一维或二维数组作为染色体并找到它的适应度 value.I 我发现这很困难理解这些陈述。请帮我定义初始种群（是整个图像还是图像的任何部分？和染色体。感谢任何帮助。
你打算用什么来增强图像？如果您要应用过滤器、模糊等操作，那么染色体可能具有此类操作的参数：过滤器类型、内核大小，您甚至可以对内核的所有值进行编码。您也可以使用 GP 而不是 GA：http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.112.4452&rep=rep1&type=pdf
据我了解，您在术语方面存在问题：染色体是您用来探索 space 解决方案的个体，人口是这些染色体（个体）的集合。
在 GA 中，您可以将解决方案表示为字符串。在您的情况下，解决方案将是一张图像，可能由像素组成。
您可以将这些像素视为图像的 DNA。因此，那个 DNA 就是你的形象 'chromosome'。换句话说，染色体是图像中的像素序列。
现在，如您所知，在 GA 中，您将选择、交叉和变异结合起来（希望）为您的问题找到更好的解决方案（例如更好的图像）。
要应用这 3 个运算符，您需要一个群体，即一组染色体，您将对其进行随机抽样、组合和变异。完成这3个操作后，您将获得一个新种群，通常会取代旧种群。
我希望这能澄清。
编辑
如果您想进化多个图像（或更好：视情况而定），则对每一行使用一个 "chromosome" 不太正确。您必须将您的个体（图像）视为单染色体（人类有很多染色体，但在 GA 和 GP 中通常每个人只有一条染色体）。
层次结构是：
- 一个人口[=52=]由多个个体 组成
- 一个个体有一条染色体（DNA）
- 每条染色体由多个基因 组成
A gene 是你认为最小的可变单位。因此，例如，如果您的变异操作可以一次更改单个像素，那么您的基因将是像素（对于 256x256 图像，您将获得 65536 个基因）。
也可以整行作为基因，这样一个染色体就由256个基因组成，每个基因就是一个256像素的数组。通常这意味着您不能使用交叉来打断单个行，但是交叉会混合两个图像的行。
你选择什么作为基因取决于你的应用。您还可以将 256x256 RGB（24 位）图像表示为 256*256*3 字节的染色体，其中每个基因是一个字节，或者表示为 256*256*24 位，其中每个基因是一个位。
决定你可以使用什么作为基因是你如何定义一个变化有多小，以及当你做交叉时你可以在哪里切割染色体。
遗憾的是，这个术语没有独特的见解。许多科学家对 "gene" 是什么，"genome" 是什么，或者如何定义 "fitness" 函数有不同的看法。无论如何，你只需要学习基本概念：以后将它们映射到名称会更容易，别担心:)
你可能想看看这个：http://www.boente.eti.br/fuzzy/ebook-fuzzy-mitchell.pdf
GA 是全局优化启发式算法。首先，您应该清楚自己要优化的具体内容。形成初始种群的一种方法是生成随机个体。