K-means聚类实现图片分割

最新推荐文章于 2021-11-26 10:30:25 发布

Bug刺客

最新推荐文章于 2021-11-26 10:30:25 发布

阅读量9.8k

点赞数 8

分类专栏：计算机视觉/OpenCV 文章标签： K-means 图像分割

本文链接：https://blog.csdn.net/qq_18649781/article/details/88863021

版权

本文介绍了K-means聚类用于图像分割的方法，通过将图像的像素值视为RGB空间的数据点，利用非监督学习的K-means算法将图像分割成不同颜色的区域。通过设置K值，可以将图像分割成相应数量的色彩区域，通过不断的迭代和中心点更新，最终实现图像的自动分割。

摘要由CSDN通过智能技术生成

K均值聚类是非监督学习，可以将图像分割成若干部分，方法是把具相似特征的数据点聚类或分组到一起。非监督学习的特点是，无需使用标签数据，算法会识别出多组数据的模式和相似之处。所以你可以给 k 均值任意一个无标签数据集，比如图像的像素值，然后让 k 均值将这个数据集分解成 k 簇，其中 k 是变量，你可以选择该变量的值。若我们设K为2，那么图像就会被分割成
两个颜色不同的部分，若为3，就被分成3个颜色不同的部分。
例如如下的彩虹的图片：
在这里插入图片描述
这张图很小，只有 34 乘 34 像素，是彩虹的一部分，我要用 k 均值，根据颜色将这张图分为三簇，首先我们知道这张图里的每个像素都有一个 RGB 值。
事实上，我们可以将各像素值当作 RGB 颜色空间的数据点绘制出来。
在这里插入图片描述
这些轴分别对应 R、G 和 B 的值，最高的位置对应的是白色，如果我让 k 均值将这些图像数据分成三簇，那么 k 均值就会观察这些像素值，随机猜测三个 RGB 点，将数据分成三簇，我们将这三个点称为中心点 A、B 和 C，然后 k 均值会进行赋值。