matlab - 用于图像聚类的改进 k 均值算法

Question

我正在尝试为图像聚类实现修改后的 k_mean 算法，即与 k-mean 非常相似。区别仅在于新中心计算。

实际上我已经初始化了聚类中心，计算了像素和中心之间的距离，现在基于最小距离我必须将像素分配给聚类但这里的问题是如何将像素分配和存储到聚类，我将如何知道哪个像素属于哪个簇用于新中心计算？

Answer 1

重申您已经说过的话，您想要运行 k-means，其中您的训练示例是像素，每个像素具有 3 个特征(红色、绿色、蓝色)。我顺便提一下，虽然看起来你已经决定了一些事情，但通过首先将 RGB 数据从 0 归一化到 1.0 来定义距离范数，而不是说 0 到 16 或 0 到 255，这样你就可以比较结果与颜色深度无关。

您应该将像素排序为 1..m，并将它们存储在 m x 3 矩阵 X(见下文)m = 宽度 x 高度。如何将每个像素分配给 X 行(如果由您决定)，因此任意将图像位置 (x,y) 处的像素设置为行 y*width + x。

现在您只需要使用一个额外的 m x 1 索引向量 idx 来跟踪哪个像素属于哪个质心。

idx = zeros(size(X,1), 1);

for i = 1:size(X,1)
   minNormSq = 0;
   for j = 1:K
      normSq = sum((X(i,:) .- centroids(j,:)).^2);
      if j == 1 || normSq < minNormSq
         minNormSq = normSq;
         idx(i) = j;
      end
   end
end

稍后你可以assign a array to a boolean condition在计算新的质心值时。

for j = 1:K
   inclusion = (idx == j);
   centroids(j,:) = inclusion'*X;
   centroids(j,:) = centroids(j,:)/sum(inclusion);
end