k均值聚类图像分割matlab代码_用K均值聚类法为人类拍摄的首张黑洞照片进行分割...

众所周知，人类最近拍摄了首张黑洞照片。网友们纷纷表示，这明明就是一个甜甜圈嘛！以前以为黑洞是这个世界上最最高冷的存在，而此刻突然现出真身，形象却是如此的人畜无害！不但如此，还勾起了网友的食欲！简直是罪大恶极，不可饶恕，诱人发胖！

耳边又响起火箭少女令人头皮发麻的魔性歌声，“拜拜甜甜圈，珍珠奶茶方便面，火锅米饭大盘鸡”！

明明说好的“燃烧我的卡路里”，结果却成了“加油我的咀嚼肌”！

当你张开嘴的时候，不需要多说什么，吃，就对了！

下面是黑洞的原图：

可以看到，原图比较模糊，界限也是非常的不清晰。在人们已经习惯了看高清大图的4G时代，有没有办法让这张图片变得更清晰呢？

当然是可以的，就是用K均值聚类法，对图像进行分类，这样的话，每一类之间的界限就会是非常清晰的。

代码也很简单，首先引入需要用到的包：

import numpy as np
from PIL import Image
from sklearn.cluster import KMeans

然后读取数据，进行训练：

img_data,row,col=load_data('demo.jpg')
#3代表分成3类，通过聚类，最终生成三类
label=KMeans(n_clusters=3).fit_predict(img_data)

然后就是新建一个灰色图像，对图像进行赋值操作，取值范围是0-255，如果分成3类的话，大概这三类的灰度值分别为255、128、85。代码如下：

pic_new=Image.new("L",(row,col))
for i in range(row):
    for j in range(col):
    	#为每个像素的灰度值进行赋值
        pic_new.putpixel((i,j),int(255/(label[i][j]+1)))

分成三类的话，最终结果是这样的：

分成四类的话，最终的结果是这样的：

分成五类的话，最终的结果是这样的：

经过这样的变换之后，终于看起来不那么像甜甜圈了，而且看起来终于有一点点高冷了！