旁注

Question

我的问题类似于this一个问题，除了推荐的可视化细分方法对我不起作用。

我想要做的是使用MATLAB的k-means代码来分割jpeg图像，然后可视化结果。在MATLAB help上可以获得用于生成每个像素的聚类均值和聚类索引的代码，但是不包括用于可视化分段的代码（或者至少不是以我想要的方式 - 我想要视图单个分区图像，即由派生均值表示的所有聚类，在同一图像中表示，而不是使用“均值”生成掩码，如示例中所示。）

如上所述，somebody发布了以下内容作为可视化结果的方法，但它对我不起作用：

imseg = zeros(size(im,1),size(im,2));
for i=1:max(idx)
    imseg(idx==i)=i;
end
imagesc(imseg)

Answer 1

之前的帖子正在做的是它将群集ID 可视化为输出图像。您可能希望群集本身的均值（因此 k -means）。从上一篇文章中可以很容易地做到并进行修改。我还假设您的图像是uint8类型，其中每个灰度/颜色通道都来自[0,255]。假设idx包含每个像素的成员资格，centroids包含群集本身的实际颜色/灰度值，您只需要这样做：

imseg = uint8(zeros(size(im,1),size(im,2))); %// Cast to uint8 as image is of this type
centroids = uint8(centroids); %// Just in case, to ensure compatible data types
for i=1:max(idx)
    imseg(idx==i) = centroids(i); %// Set location to the centroid value, not ID
end
imagesc(imseg);

现在，如果你想要彩色图像，你只需要将2D矩阵叠加在一起。这可以通过以下方式完成：

%// Initialize red, green and blue planes
imRed = uint8(zeros(size(im,1), size(im,2))); %// Cast to uint8 as image is of this type
imGreen = imRed;
imBlue = imRed;
centroids = uint8(centroids); %// Just in case, to ensure compatible data types
for i=1:max(idx)
    imRed(idx==i) = centroids(idx,1); %// Find centroid value for RGB for each cluster
    imGreen(idx==i) = centroids(idx,2); %// and set accordingly
    imBlue(idx==i) = centroids(idx,3);
end
imseg = cat(3,imRed, imGreen, imBlue);
imagesc(imseg);

旁注

对于灰度情况，您可以完全按照以下方式执行此操作：

imseg = centroids(idx);
imagesc(imseg);

我坚持使用for循环方法，因为这似乎是您最熟悉的方法，但您可以将idx用作索引数组到{{1输出本质上是一个映射，其中每个成员资格ID都具有与该集群关联的灰度值。

如何在jpeg图像上使用MATLAB kmeans函数生成单个分区图像？

1 个答案:

旁注