k均值聚类图像分割matlab代码_实战：K-Means对罗熙照片进行分割

k-平均算法（英文：k-means clustering）源于信号处理中的一种向量量化方法，现在则更多地作为一种聚类分析方法流行于数据挖掘领域。k-平均聚类的目的是：把个点（可以是样本的一次观察或一个实例）划分到k个聚类中，使得每个点都属于离他最近的均值（此即聚类中心）对应的聚类，以之作为聚类的标准。这个问题将归结为一个把数据空间划分为Voronoi cells的问题。（来自维基百科）

k-means的原理可以简单理解为我们先假定聚类个数几中心点，然后根据中心点对其余点分类。接着重新计算中心点，计算的时候采用取均值的方式，再重新划分中心点，再对其余点分类。以此类推。

下面为我的K-Means学习思维导图

下面直接开始项目实战：

我选取了我最喜欢的罗熙小朋友的图片作为分割样本。

ps：保存图片的时候记得保存为jpg格式，如果保存格式是png，会导致赋值错误

对于不同尺寸的图像，k-means运行的时间是不同的，尽量压缩图片尺寸，如果超过1000像素，速度会变得很慢！

我们这次的目标是把图片分割成16部分，为了对不同分类设置不同的颜色，我们需要用skimage工具包（一个图像处理工具包）下载命令为：

pip install skcikit-image

---

引入各种包

加载图像，并对数据进行规范化

我们自己定义了Min-Max规范化公式，我们知道RGB每个通道的数值在[0.255]之间，所以用每个通道的数值+1/256，这样数值就会在[0，1]之间

加载图像，得到规范化的结果 imgData，以及图像尺寸

用 K-Means 对图像进行 16 聚类

将图像聚类结果，转化成图像尺寸的矩阵

创建个新图像 img，用来保存图像聚类压缩后的结果

对于点（x，y）我们找到他们所属的簇label[x,y]然后得到这个簇的质心特征，用c1,c2,c3表示，但是c1c2c3对应的是数据规范化的数值，所以需要再进行反变换。用img.putpixel

输出图像

参考文献：

李航--统计学习方法

Eastmount--python图像处理

Linn01--knn和k-means的区别

陈旸--数据分析实战45讲

维基百科