K-Means加上实施

Question

我的得分是为了获得图像中最常见的颜色，所以我实现了k-means算法。 该算法运行良好，但结果不是我等待的结果。 所以现在我正在尝试做一些改进，第一个我认为是实现k-means ++，所以我得到了一个更好的位置，用于inicial集群中心。

首先我选择一个随机点，但如何选择其他点。我是指如何定义它们之间的最小距离。

对此有何帮助？感谢

Answer 1

您可以使用矢量量化。您可以在x + 1和y + 1方向上制作每个像素和每个相邻像素的列表，然后选择差异并沿对角线绘制它。然后，您可以计算voronoi图并获得平均颜色并计算特征向量。使用简单的基于网格的平均颜色会更有效。