聚类K均值聚类的最佳色彩空间

时间:2012-07-24 15:00:23

标签: image colors processing cluster-analysis k-means

使用K-Means聚类方法将图像聚类到具有白色背景和多个其他颜色的图像的最佳颜色空间(如RGB,HSV,YIQ,XYZ,Lab)是什么?白色背景就像一些水果的图像在白布上有足够的光线。附加信息:群集被确定为固定为两个群集,并且分割的结果是两个群集,第一个是背景的群集(布料的白色),第二个是对象或某些对象的群集。谢谢。

2 个答案:

答案 0 :(得分:4)

我会选择实验室,因为它会根据色度信息对亮度进行去相关,因此您对色度信息最感兴趣。

答案 1 :(得分:3)

所有人都有其优点和缺点。

例如,有人可能认为R中0.1的差异和B中0.1的差异是相同的,因此RGB和欧几里德距离是合适的。在HSB中,Hue的范围从0到360,而S和V的范围从0到1(将色调重新调整到0-1也不能真正解决这个问题!),因此整个欧氏距离由Hue控制。另外,355.5和0.5的色调几乎相同,但欧几里德的距离并不知道这种环绕。即不要使用具有欧几里德距离的HSV(因此,不要使用k均值!)

我对所有颜色空间都不熟悉,无法告诉你哪个是欧几里德空间,因此欧几里得距离和k均值是合适的。 RGB可能是,而HSV(因为它在H中是循环的)绝对不是。我读到的实验室是非线性的吗?但是你需要一个k-means的线性空间!

对于HSB等,即使你有一个处理循环空间和非线性的距离函数,你也不能使用k-means,除非你也修复了 mean 函数。例如。色调0.5和355.5(均非常接近红色)的平均值为179,大约为青色。 => k-means结果将是无稽之谈。