颜色反卷积和颜色的K均值聚类有什么区别？

Question

我有一些需要分割的彩色图像。它们是用苏木精和曙红（“H＆amp; E”）染色的载玻片的图像。

我发现了Ruifrok的这种色彩去卷积方法

http://europepmc.org/abstract/med/11531144

用颜色分隔出图像。

然而，似乎只需使用K-means聚类就可以做类似的事情：

http://www.mathworks.com/help/images/examples/color-based-segmentation-using-k-means-clustering.html

我很好奇有什么区别。任何见解都会受到欢迎。感谢。

Answer 1

我似乎无法找到该文章的副本（没有付费），但它们并不完全相同。

K表示寻求来群集数据。因此，如果您只是想在图像中找到主色，或者根据颜色进行一些排序，那么这就是要走的路。作为旁注：Kmeans可用于任何矢量。它不仅限于颜色，因此您可以将它用于许多其他应用程序。

Color Deconvolution 正试图消除常用于显微镜的化学染料的影响。 （如果我理解抽象的话）。基于所使用的特定染料，该算法试图反转其效果并返回原始彩色图像（在添加染料之前）。我发现this website显示了一些输出。这是对染料对RGB光谱的贡献的去卷积。它不进行任何聚类/分组（除了找到染料）

希望有所帮助

修改
如果您不知道，卷积通常与信号/图像处理相关联。基本上你采用过滤器并通过信号运行它。输出是原始输入的修改版本。在这种情况下，原始图像由具有已知RGB值的染料过滤。如果我们知道染料/过滤器的全部特性，我们可以将其反转。然后通过使用逆滤波器再次运行卷积，我们可以希望 de - 包含效果。原则上听起来很简单，但在很多情况下这是不可能的。