matlab动手实现k均值聚类的图像分割

本方法实现参考冈萨雷斯《数字图像处理》第四版教程P555页

均值聚类实际是将图像的所有像素划分给规定数量k的聚类，每个像素都将会被分给具有最近均值的聚类

算法一般步骤为
初始化（确定k值，以及初始种子点的值，这里以灰度值进行聚类）————》进行划分，算待划分像素点值与种子点的L1或L2范数，看离谁进划分到哪一类————》划分结束后，就要更新种子点，可以以将划分的每一类的均值当做每一类新的种子点————》循环往复，直至迭代到不满足判定条件位置（即，更新迭代到种子点没发生什么变化时）

这里本人实现了一个k=2的聚类，代码如下

clear all
%读入图像
I=imread('1212.JPG');
G=rgb2gray(I);
G=im2double(G);
[h,w]=size(G);
%先聚合两类，k=2
k=2;
%迭代阈值T,规定与前三步的均值比较
T=2;
storage=zeros(1,6);
%随机赋种
m=zeros(1,k);
m(1)=0.7;
m(2)=0.8;

%创建标记矩阵
label=zeros([h,w]);

%指示这是第几次循环
index=1;

while abs(m(1)-storage(1))+abs(m(2)-storage(2))>0.4
    %标记时，0为第一类，1为第二类

    for x=1:w
        for y=1:h
%             G(y,x)
            if abs(G(y,x)-m(1))-abs(G(y,x)-m(2))>0
              
%                 a=(G(y,x)-m(1))^2
%                 b=(G(y,x)-m(2))^2
                  label(y,x)=1;
            end   
        end
    end


    %更新聚类中心
    sum1=0;
    sum2=0;
    count1=0;
    for x=1:w
        for y=1:h
            if label(y,x)==0
                count1=count1+1;
                sum1=sum1+G(y,x);
            else
                sum2=sum2+G(y,x);
            end
        end
    end

    position=mod(index,3);
    storage(position+1)=m(1);
    storage(position+2)=m(2);
    m(1)=sum1/count1;
    m(2)=sum2/(h*w-count1);
    index=index+1;
end

%对比
figure(1)
imshow(label)
title('kmeans聚类结果')

 thresh=graythresh(G);
 bw=im2bw(G,thresh);
 figure(2)
 imshow(bw)
 title('ostu结果')

下图是测试图像
下图是利用本文实现的kmenas和ostu大津法分割的结果对比，可以看到实现的效果还是不错的