1 简介

对图像进行颜色区域分割.将图像转换到CIE L*a*b颜色空间,用K均值聚类分析算法对描述颜色的a*和b*通道进行聚类分析;通过提取各个颜色区域独立成为单色的新图像,对图像进行分割处理.实验结果表明,在CIE L*a*b空间使用K—means聚类算法可以有效地分割彩色纺织品图像的颜色区域.

kmeans聚类算法是一种简单实用的聚类算法,matlab自带函数kmeans可直接对数据进行kmeans聚类。为了方便更好地掌握kmeans聚类算法,今天我们自己来实现一个弱化的版本mykmeans。

mykmeans输入包含三项,分别为聚类所使用的数据data,data每一行代表一个样本,每一列代表一个特征;聚类中心数量numclass;第三项为所使用的距离的定义,默认情况下为欧式距离。

2 部分代码

clc
close all
I=imread('football.jpg');
subplot(2,3,1)
imshow(I)
title('原始图像')
for i=2:6F=imkmeans(I,i);subplot(2,3,i);imshow(F,[]);title(['聚类个数=',num2str(i)])
end

3 仿真结果

4 参考文献

[1]李鹏飞, 张宏伟. 基于K-means聚类的纺织品印花图像区域分割[J]. 西安工程大学学报, 2008, 22(5):551-554.

基于 K-means 聚类算法实现图像区域分割matlab代码相关推荐

  1. 【图像分割】基于 K-means 聚类算法实现图像区域分割matlab代码

    1 简介 对图像进行颜色区域分割.将图像转换到CIE L*a*b颜色空间,用K均值聚类分析算法对描述颜色的a*和b*通道进行聚类分析;通过提取各个颜色区域独立成为单色的新图像,对图像进行分割处理.实验 ...

  2. 【图像融合】基于改进模糊聚类算法实现侧扫声呐图像分割matlab代码

    1 简介 当前图像分割技术越来越受到人们的重视.很多研究者针对图像分割技术设计出了不计其数的方法.图像分割技术已经涉及到许多范畴,并且逐渐成为了许多领域的基础技术之一.图像分割技术在当今时代具有极其重 ...

  3. 【matlab】机器学习与人工智能期末课设,基于 K-means 聚类算法的图像区域分割系统

    基于 K-means 聚类算法的图像区域分割系统主要由两部分组成,分别是登录界面和主界面.用户登录模块负责用户的登录功能,用户输入账号和密码正确后,进入主界面,失败则跳出弹窗,提示用户登录失败.这是用 ...

  4. python图像分割_基于K均值聚类算法的Python图像分割

    1个K均值算法 实际上,K-means算法是一种非常简单的算法,与算法思想或特定实现无关. 通过以一定方式测量样本之间的相似度,并迭代更新聚类中心,它属于无监督分类. 当聚类中心不再移动或移动差异小于 ...

  5. k means聚类算法_一文读懂K-means聚类算法

    1.引言 什么是聚类?我们通常说,机器学习任务可以分为两类,一类是监督学习,一类是无监督学习.监督学习:训练集有明确标签,监督学习就是寻找问题(又称输入.特征.自变量)与标签(又称输出.目标.因变量) ...

  6. k means聚类算法_K-Means 聚类算法 20210108

    说到聚类,应先理解聚类和分类的区别 聚类和分类最大的不同在于:分类的目标是事先已知的,而聚类则不一样,聚类事先不知道目标变量是什么,类别没有像分类那样被预先定义出来. K-Means 聚类算法有很多种 ...

  7. 【图像分割】基于模糊聚类算法FCM实现图像分割matlab代码

    1 简介 图像分割是数字图象处理中关键技术之一,是重要的研究领域,也是计算机视觉中的一个经典问题.聚类分析是图像分割领域的重要分支之一,也是数据挖掘中进行数据处理的重要分析工具和方法,且应用广泛.近年 ...

  8. 【图像分割】基于模糊聚类FCM和改进的模糊聚类算法实现CT图像分割matlab代码

    1 简介 医学影像分割的基本目标是将图像分割成不同的解剖组织,从而可以从背景中提取出感兴趣区域.因为图像的低分辨率和弱对比度,实现医学影像分割是一件具有挑战的任务.而且,这个任务由于噪声和伪阴影变得更 ...

  9. 【图像边缘检测】基于蚁群算法实现图像边缘检测matlab代码

    1 简介 目的提出基于蚂蚁算法的图像分割技术,解决传统的图像分割算法分割图像的效果不理想.不能满足图像分割要求等问题.方法将图像的灰度.梯度和邻域特征组合成蚂蚁,通过MATLAB实现蚁群图像分割算法对 ...

最新文章

  1. 状态模式在领域驱动设计中的使用
  2. python运行卡死_快速解决jupyter启动卡死的问题
  3. IB纪录(十七):At the heard of the image
  4. bp神经网络预测未来五年数据_预测 | 未来五年以太网收发器出货将达2.75亿只
  5. nodejs mysql事务处理_关于NodeJs如何使用Mysql模块实现事务处理实例
  6. 我来做百科(第一天)
  7. php左右菜单,JQuery实现左右滚动菜单特效_jquery
  8. XML Schema 配置文件自动生成c#类设计案例子
  9. 微软公开PrintNightmare系列第3枚无补丁0day,谷歌修复第8枚已遭利用0day
  10. JavaScript 数据类型梳理
  11. 【批处理】肉鸡扫描脚本
  12. OpenGL入门教程
  13. 一封没有读出来的感谢信,勾勒出蔡文胜30年创业史!
  14. 计算机专业毕业了,还要不要参加培训班
  15. Android开发必备知识
  16. 虚拟服务器C盘备份,分享:两种快速虚拟机备份方法
  17. 2021 Python入门资料汇总
  18. Linux man命令后数字含义
  19. php跨平台审计工具,php源码审计工具–PHP Source Auditor 4 released
  20. 关于IMMO设计的完美的图片_Andy_Issta_新浪博客

热门文章

  1. kubeadm High availability cluster
  2. 浅谈云计算技术在企业信息化建设中的应用
  3. mac-lol.tk syjc.html,苹果 MacBook Air笔记本一键u盘装系统win10教程
  4. java异常处借接错书_Java入门第三季-异常-图书馆借书系统
  5. Android SELinux开发入门指南之如何增加Native Binder Service权限
  6. Jetpack Compose for Desktop: 里程碑1发布
  7. linux设置ps2鼠标,linux环境变量设置 (PS1,PS2)
  8. [团队管理]从《亮剑》看团队建设之二——PM如何与组员合作
  9. Poi excel 导出 工具类参考
  10. windows7快捷键-好玩的