k-means提取图像主色（手写）

一、k-means算法

  k-means算法是一种简单有效的聚类算法。根据制定的类别数k，将所给数据集，以一定的距离（用户自定义距离，如本文采用是RGB图像每点的欧式距离）相近程度进行类别划分，可以理解为一种求质心的聚类方式。

  算法基本流程如下：

1、随机产生k个聚类中心（也可用户指定）。计算每个样本到各个聚类中心的距离。将样本归类到相应最接近的类别中。

2、计算每个样本的算数平均数，求出每一类中离平均数最近的点记为该类新的中心。

3、判断所有类别中中心点有没有发生变化，如果中心点改变，则再次以该中心点对所有数据聚类，直到所有的中心点都不改变为止，算法结束。

二、c++实现

#define CLUST_NUM 5
struct Node
{
	CvPoint point;
	CvScalar color;
};

struct Clust
{
	Node center;
	vector<Node> buff;
};

void DCD(IplImage* src)
{
	IplImage* src = NULL;
	src = cvLoadImage("test.jpg");
	
	if(!src)
	{
		return;
	}

	int width = src->width;
	int height = src->height;

	// 产生随机种子
	CvPoint point[CLUST_NUM];
	CvRNG rng(cvGetTickCount());
	for (int i = 0; i< CLUST_NUM; i++)
	{
		point[i].x = cvRandInt(&rng) % width;
		point[i].y = cvRandInt(&rng) % height;
	}

	//分类簇
	Clust v[CLUST_NUM];

	//初始化
	for (int i = 0; i < CLUST_NUM; i++)
	{
		v[i].center.point = point[i];
		v[i].center.color = cvGet2D(src, v[i].center.point.y, v[i].center.point.x);

		cout <&l