K-means算法对图像处理(matlab)

K-means算法对图像处理

K-means算是图像自动分类基础的算法之一，原理参考各类书籍

代码实现步骤：
指定分成几类，设置每类的初始均值，对图像进行重新分类，分类标准就是与每个聚类均值做差值（绝对值），差值最小的聚类则归并为该聚类。全部重新归类后重新计算新聚类的均值与之前聚类均值比较，小于指定阈值，停止迭代。

程序对于单波段多波段均匹配，分波段进行聚类，直至每个波段数据聚类均达到稳定。

function data1=kmean(data ,k,T)%k指要分种类的个数，T为目标聚类重分类后均值与之前均值差的阈值，及达到稳定的阈值
[m,n,bands]=size(data);%图像数据行列
data1=zeros(m,n,bands);%矩阵存储最后的结果
data=double(data);
Min=min(min(min(data)));
Max=max(max(max(data)));
%根据图像波段设置变量，申请相应的内存空间方便计算
dis=zeros(bands,k);%数据相对聚类均值的差值
Mean=zeros(bands,k);%聚类的均值
TMean=zeros(bands,k);%聚类均值的临时变量
for i=1:k
    for band=1:bands
    Mean(band,i)=i/k*(Max-Min)+Min;
    end
end
flag=0;
while(flag~=k*bands)%设置一个标志，当满足条件则退出循环
    for i=1:m
        for j=1:n
            for s=1:k
                for band=1:bands
                dis(s,band)=abs(data(i,j,band)-Mean(band,s));
                end
            end
            [~,index]=min(dis);
            for band=1:bands
            data1(i,j,band)=index(1,band);
            end
        end
    end
    flag=0;
    for band=1:bands
        for i=1:k%循环判断所得聚类均值是否满足要求
            tdata=data(:,:,band);
            tdata1=data1(:,:,band);
            TMean(band,i)=mean(tdata(find(tdata1==i)));
            if abs(TMean(band,i)-Mean(band,i))<=T
                flag=flag+1;
            end
        end
    end
            Mean=TMean;
end
end

运行截图参考：
多波段图像（RGB图像）：

分类结果：（阈值为5）

分类结果（阈值为0）；

单波段（灰度化后影像）：

分类结果（阈值为5）：

分类结果（阈值为0）：