以下kmeans聚类之间有什么区别吗？
a）将图像转换为灰度并在1D特征向量上执行kmeans
b）保留3个通道RGB，并对3D特征向量执行kmeans
c）获取图像直方图并在分布上执行kmeans
第一种解决方案肯定更快，但是会有区别吗？也许有些像素有不同的RGB，但强度相同？
答案 0 :(得分：0)
1）通常不是通过简单地对值进行平均来实现从RGB转换为灰色（参见Grayscale）。如果使用这种不寻常的方式完成，即使这样，K-means中使用的欧几里德距离也会为您的情况（a）和（b）提供不同的距离 - 导致不同的聚类 - 如您所提到的[编辑]。但是，由于灰度值是加权和（权重不同于1/3），因此RGB之间的欧氏距离与灰度值的差异不同 - 因此它们是不同的。
2）我对你的（c）并不完全清楚，但对分布执行k-means是很奇怪的。可能是你想用K-means作为模型来拟合分布，以便识别直方图中的峰和谷？如果是这种情况，则情况（a）本身略有不同。它们可能非常相似（不确定它们是否相同，可能是！）如果你认为案例（c）是重写案例（a），将所有相同的术语分组为平方误差并重写它乘数乘以差值。 [如：x1 + x2 + x1 + x3写为2x1 + x2 + x3]