Matlab点云欧式距离聚类-2021-12-06

最近博主根据matlab2019b的函数，仿写了欧氏距离聚类，其代码如下：

其实代码就是一模一样的，哈哈哈哈，博主偷了点懒。

clear
clc
%% 模拟数据
[X,Y,Z] = sphere(100);
loc1 = [X(:),Y(:),Z(:)];
loc2 = 2*loc1;
ptCloud = pointCloud([loc1;loc2]);
pcshow(ptCloud)
title('Point Cloud')
a = ptCloud.Location;

%% 欧式距离聚类
% 设置参数r
r = 0.5;
% 半径搜索
ind = rangesearch(a,a,r,'Distance','euclidean','NSMethod','kdtree'); 
% 设置索引列
num = numel(a(:,1));
idx = zeros(num,1);
% 设置指针
newlable = 0;
for i = 1:num
    if idx(i)~=0
        continue
    end
    
    % 选取第i个点的索引
    curp = ind(i,:);
    % cell转换为数组mat
    curp = cell2mat(curp);
    % 第一个索引是自己，所以去除
    curp = curp(:,2:end);
    
    for j = 1:length(curp)
        temp = curp(j);
        if idx(i)>0 && idx(temp)>0
            if idx(i) > idx(temp)
                idx(idx==idx(i)) = idx(temp);
            elseif idx(temp) > idx(i)
                idx(idx==idx(temp)) = idx(i);
            end
        else
            if idx(i)>0
                idx(temp) = idx(i);
            elseif idx(temp)>0
                idx(i) = idx(temp);
            end
        end
    end
    
    if idx(i) == 0
        newlable = newlable+1;
        idx(i) = newlable;
        idx(curp) = newlable;
    end
end

pcshow(a,idx)

模拟的数据：

根据dbscan代码改的：

% 欧式距离聚类
clc
clear
rng('default') % For reproducibility

% Parameters for data generation
N = 300;  % Size of each cluster
r1 = 0.5; % Radius of first circle
r2 = 5;   % Radius of second circle
theta = linspace(0,2*pi,N)';

X1 = r1*[cos(theta),sin(theta)]+ rand(N,1); 
X2 = r2*[cos(theta),sin(theta)]+ rand(N,1);
data = [X1;X2]; % Noisy 2-D circular data set
scatter(data(:,1),data(:,2))
title('聚类之前')

% 距离阈值
r = 1;
% rangesearch功能为搜索r内的所有点
d = rangesearch(data,data,r);

% 计算数据的大小
[n,m] = size(data);
% 设置访问标记
vist = zeros(n,1);

% 设置聚类组
idx = zeros(n,1);
% 设置聚类标签
lab = 0;

tic
for i = 1:n
    % 判断种子点是否被访问过
    if vist(i) == 0
        % 当前点如果没被访问过，则vist定为1，被访问
        vist(i) = 1;
        % 种子点未被访问，则聚类个数增加
        lab = lab + 1;
        % 为当前种子点归类
        idx(i) = lab;
        
        % 提取当前种子点集合的点
        neig = d{i};
        % 设置指针
        k = 1;
        
        while true
            % 提取第i个点邻域集合中的第k个点
            j = neig(k);
            % 判断k点是否被访问过
            if vist(j) == 0
                % 没有被访问过，则设置被访问1，
                vist(j) = 1;
                % 为当前点归类
                idx(j) = lab;
                % 提取当前点的领域集合点
                neig2 = d{j};
                neig2 = setdiff(neig2,neig);
                neig = [neig,neig2];
%             else
%                 neig(k) = [];
            end
            
            % 指针往前
            k=k+1;
            % 集合不在变化时聚类完成
            if k > numel(neig)
                break
            end
        end
        
    end
    
end
time=toc

gscatter(data(:,1),data(:,2),idx);
title('聚类之后')