MATLAB：绘制质心

Question

我的主要问题是给出了一个特征质心，如何在MATLAB中绘制它？

更详细地说，我有一个NxNx3图像（RGB图像），我采用4x4块并为每个块计算6维特征向量。我将这些要素向量存储在我运行Mx6函数的kmeans矩阵中，并在kx6矩阵中获取质心，其中k是群集的数量，{6 1}}是每个块的要素数。

如何在我的图像中绘制这些中心星团，以便可视化算法是否按照我希望的方式执行？或者，如果有任何其他方式/建议我如何可视化我的图像上的质心，我将非常感激。

Answer 1

以下是一种可视化群集的方法：

如您所述，首先我提取块，计算每个块的特征向量，然后对此特征矩阵进行聚类。

接下来，我们可以看到分配给每个块的集群。请注意，我假设4x4块是不同的，这很重要，这样我们就可以将块映射到原始图像中的位置。

最后，为了在图像上显示聚类质心，我只需找到每个聚类最近的块，并将其显示为该聚类的代表。

这是一个显示上述想法的完整示例（在您的情况下，您可能希望用您自己的实现替换计算每个块的功能的函数;我只是采用min / max / mean / median / Q1 / Q3作为每个4x4块的特征向量）：

%# params
NUM_CLUSTERS = 3;
BLOCK_SIZE = 4;
featureFunc = @(X) [min(X); max(X); mean(X); prctile(X, [25 50 75])];

%# read image
I = imread('peppers.png');
I = double( rgb2gray(I) );

%# extract blocks as column
J = im2col(I, [BLOCK_SIZE BLOCK_SIZE], 'distinct');  %# 16-by-NumBlocks

%# compute features for each block
JJ = featureFunc(J)';                                %'# NumBlocks-by-6

%# cluster blocks according to the features extracted
[clustIDX, ~, ~, Dist] = kmeans(JJ, NUM_CLUSTERS);

%# display the cluster index assigned for each block as an image
cc = reshape(clustIDX, ceil(size(I)/BLOCK_SIZE));
RGB = label2rgb(cc);
imshow(RGB), hold on

%# find and display the closest block to each cluster
[~,idx] = min(Dist);
[r c] = ind2sub(ceil(size(I)/BLOCK_SIZE), idx);
for i=1:NUM_CLUSTERS
    text(c(i)+2, r(i), num2str(i), 'fontsize',20)
end
plot(c, r, 'k.', 'markersize',30)
legend('Centroids')

Answer 2

质心不对应于图像中的坐标，而是对应于要素空间中的坐标。有两种方法可以测试kmeans的表现。对于这两种方式，您希望将点与其最近的簇相关联。您可以从kmeans的第一个输出中获得此信息。

（1）您可以通过将6维空间缩小到2维或3维空间，然后以不同颜色绘制不同分类的坐标来可视化聚类结果。

假设特征向量是在名为featureArray的数组中收集的，并且您要求nClusters个群集，您可以使用mdscale按如下方式绘制图表来转换数据比方说，3D空间：

%# kmeans clustering
[idx,centroids6D] = kmeans(featureArray,nClusters);
%# find the dissimilarity between features in the array for mdscale.
%# Add the cluster centroids to the points, so that they get transformed by mdscale as well.
%# I assume that you use Euclidean distance. 
dissimilarities = pdist([featureArray;centroids6D]);
%# transform onto 3D space
transformedCoords = mdscale(dissimilarities,3);
%# create colormap with nClusters colors
cmap = hsv(nClusters);
%# loop to plot
figure
hold on,
for c = 1:nClusters
    %# plot the coordinates
    currentIdx = find(idx==c);
    plot3(transformedCoords(currentIdx,1),transformedCoords(currentIdx,2),...
        transformedCoords(currentIdx,3),'.','Color',cmap(c,:));
    %# plot the cluster centroid with a black-edged square
    plot3(transformedCoords(1:end-nClusters+c,1),transformedCoords(1:end-nClusters+c,2),...
        transformedCoords(1:end-nClusters+c,3),'s','MarkerFaceColor',cmap(c,:),...
        MarkerEdgeColor','k');
end

（2）您也可以创建一个伪彩色图像，显示图像的哪个部分属于哪个群集

假设你有nRows个nCols块，你可以写

%# kmeans clustering
[idx,centroids6D] = kmeans(featureArray,nClusters);
%# create image
img = reshape(idx,nRows,nCols);
%# create colormap
cmap = hsv(nClusters);

%# show the image and color according to clusters
figure
imshow(img,[])
colormap(cmap)