使用k-mean灰度圖像處理

我想將rgb圖像轉換爲灰度圖，然後使用matlab的kmean函數對其進行聚類。使用k-mean灰度圖像處理

這裏是我的代碼

he = imread('tumor2.jpg'); 

%convert into a grayscale image 
ab=rgb2gray(he); 
nrows = size(ab,1); 
ncols = size(ab,2); 

%convert the image into a column vector 
ab = reshape(ab,nrows*ncols,1); 

%nColors=no of clusters 
nColors = 3; 
%cluster_idx is a n x 1 vector where cluster_idx(i) is the index of cluster assigned to ith pixel 
[cluster_idx, cluster_center ,cluster_sum] = kmeans(ab,nColors,'distance','sqEuclidean','Replicates',1,'EmptyAction','drop'); 

figure; 
%converting vector into a matrix of dimensions equal to that of original 
%image dimensions (nrows x ncols) 
pixel_labels = reshape(cluster_idx,nrows,ncols); 
pixel_labels 
imshow(pixel_labels,[]), title('image labeled by cluster index');

問題

1）輸出圖像始終是一個純白色的圖像。我試過下面的鏈接給出的解決方案，但在這種情況下圖像的輸出是一個普通的灰色圖像。

find the solution tried here

2）當我執行我的代碼第二時間，執行不進行超出K均值函數（它喜歡有一個無限循環）。因此在這種情況下沒有輸出。

來源

2015-04-21 dhama

您可以發佈示例圖片嗎？ –

這很好奇，因爲如果我設置30個'nColors'，那麼我會爲攝影師圖像獲得3個簇。可能有更多kmeans經驗的人可以幫助 –

警告：在複製1 – dhama

實際上，它看起來像當你是色彩分割kmeans已知落在局部最小值。這意味着它通常不會找到你想要的聚類數量，因爲最小化並不是最好的（這就是爲什麼很多人使用其他類型的分段，比如層次集或簡單區域增長）。

一個選項是增加複製量（kmeans將嘗試查找答案的次數）。目前你將它設置爲1，但你可以嘗試3或4，並且可能以這種方式達到解決方案。

在this問題中，接受的答案建議使用專門爲圖像分割創建的算法的kmeans版本。我沒有嘗試過自己，但我認爲它值得一試。

Link to FEX

來源

2015-04-21 09:38:39

使用k-mean灰度圖像處理

回答

相關問題