Matlab数字图像处理基础【12】

最新推荐文章于 2023-12-14 11:58:24 发布

Striker_V

最新推荐文章于 2023-12-14 11:58:24 发布

阅读量1k

点赞数 1

分类专栏：图像处理

本文链接：https://blog.csdn.net/Striker_V/article/details/70228953

版权

本文介绍了使用Matlab中的K-Means算法进行图像分割的方法，通过实例展示了如何对灰度图像和彩色图像进行分割。实验结果显示了分割后的四幅图像，分别对应不同阶段或条件下的图像处理效果。

摘要由CSDN通过智能技术生成

第六章图像分割

实例：使用K-Means算法分割灰度图像和彩色图像

clear;
clc;

%首先使用K-Means算法分割灰度图像
%设定聚类中心个数
K1 = 2;
I = imread('shape.jpg');
figure,imshow(I),title('原始图像');

%获取图像规模
[m1, n1] = size(I);
%将图像拉成一维列向量
ReGray = reshape(I(:,:), m1*n1, 1);
%进行K-Means聚类，实现图像分割
Seg1 = kmeans(double(ReGray), K1, 'emptyaction','singleton');
%将分割结果（一维列向量）还原成图像
I1 = reshape(Seg1, m1, n1);
%使用彩色标签标记每个聚类并显示
figure,imshow(label2rgb(I1)),title('分割结果');


%然后使用K-Means算法分割彩色图像
%设定聚类中心个数
K2 = 2;
RGB = imread('lake.jpg');
figure,imshow(RGB),title('原始图像');

%获取图像规模
[m2, n2, c] = size(RGB);
%将RGB图像的三个维度（通道）分别拉伸成一维列向量
R = reshape(RGB(:,:,1), m2*n2, 1);
G = reshape(RGB(:,:,2), m2*n2, 1);
B &