摘]均值聚类算法 2007年05月15日 星期二 上午 00:14 基于matlab的图像K均值聚类算法程序 最近学习模式识别以及图像处理,搜集一些matlab的程序源代码,共享一下,同时也希望结交有共同兴趣爱好的朋友 K均值聚类法分为如下几个步骤: 一、初始化聚类中心 1、根据具体问题,凭经验从样本集中选出C个比较合适的样本作为初始聚类中心。 2、用前C个样本作为初始聚类中心。 3、将全部样本随机地分成C类,计算每类的样本均值,将样本均值作为初始聚类中心。 二、初始聚类 1、按就近原则将样本归入各聚类中心所代表的类中。 2、取一样本,将其归入与其最近的聚类中心的那一类中,重新计算样本均值,更新聚类中心。然后取下一样本,重复操作,直至所有样本归入相应类中。 三、判断聚类是否合理 采用误差平方和准则函数判断聚类是否合理,不合理则修改分类。循环进行判断、修改直至达到算法终止条件。 clcclearticRGB= imread ('test5.jpg'); %读入像img=rgb2gray(RGB);[m,n]=size(img);subplot(2,2,1),imshow(img);title(' 图一 原图像')subplot(2,2,2),imhist(img);title(' 图二 原图像的灰度直方图')hold off;img=double(img);for i=1:200 c1(1)=25; c2(1)=125; c3(1)=200;%选择三个初始聚类中心 r=abs(img-c1(i)); g=abs(img-c2(i)); b=abs(img-c3(i));%计算各像素灰度与聚类中心的距离 r_g=r-g; g_b=g-b; r_b=r-b; n_r=find(r_g<=0&r_b<=0);%寻找最小的聚类中心 n_g=find(r_g>0&g_b<=0);%寻找中间的一个聚类中心 n_b=find(g_b>0&r_b>0);%寻找最大的聚类中心 i=i+1; c1(i)=sum(img(n_r))/length(n_r);%将所有低灰度求和取平均,作为下一个低灰度中心 c2(i)=sum(img(n_g))/length(n_g);%将所有低灰度求和取平均,作为下一个中间灰度中心 c3(i)=sum(img(n_b))/length(n_b);%将所有低灰度求和取平均,作为下一个高灰度中心 d1(i)=abs(c1(i)-c1(i-1)); d2(i)=abs(c2(i)-c2(i-1)); d3(i)=abs(c3(i)-c3(i-1)); if d1(i)<=0.001&&d2(i)<=0.001&&d3(i)<=0.001 R=c1(i); G=c2(i); B=c3(i); k=i; break; endendR G Bimg=uint8(img);img(find(img<R))=0;img(find(img>R&img<G))=128;img(find(img>G))=255;tocsubplot(2,2,3),imshow(img);title(' 图三 聚类后的图像') subplot(2,2,4),imhist(img);title(' 图四 聚类后的图像直方图') 感觉matlab这个软件好使,能处理各个方面的算法仿真。开始做MP2音频压缩在DSP上实现这个项目拉,自己要加油!迎接挑战!