聚类算法之K-means算法（以处理matlab下灰度图大米为例）

最近学习了机器学习好多传统算法，自己体会还是要自己动手实践一下才能更好的消化掉。

以Matlab自带的灰度图像rice.png为例，使用K-means算法进行聚类，求取阈值。

K-Means是基于划分的聚类算法，属于比较基本的聚类算法。

 

1、主要步骤

 

K-means算法（以划分大米灰度图像为例）

1、 读取图像，获取灰度值二维矩阵m*n

2、 转换矩阵，将二维矩阵转换成一维矩阵1*（m*n）

3、 对一维矩阵取两个中心值，作为K-means算法的初始聚类点

4、 对中心值进行聚类分析，遍历一维数组中每一个点，计算与中心点的距离，划分各个点

5、 对于聚类后的两类，重新计算中心点，重复步骤4，直到两个中心点不再改变（或者新旧距离浮动在2以内）。

6、 根据两个中心点求平均值，确定图像阈值

7、 对于阈值左右的点进行划分（小于阈值的点灰度标0，大于的点灰度标255）

 

2、代码实现

 

clear all;
rice=imread('rice.png');

[m,n]=size(rice);
global new_rice,global class1,global class2;%class表示两个聚类
k=1;
for j=1:1:n
    for i=1:1:m
        new_rice(k)=rice(i,j);
        k=