Question

我发现以下代码使用K表示聚类图像，但在下面的代码中，他们使用一些计算来查找最小值，最大值。我知道K-means算法的基本概念。但我不能不明白这个代码。任何人都可以解释一下。

  function [Centroid,new_cluster]=kmeans_algorithm(input_image,k)
% k = 4;
input_image=double(input_image);
new_image=input_image;
input_image=input_image(:);
min_val=min(input_image);
input_image=round(input_image-min_val+1);
length_input_image=length(input_image);
max_val=max(input_image)+1;
hist_gram=zeros(1,max_val);
hist_gram_count=zeros(1,max_val);
for i=1:length_input_image
    if(input_image(i)>0)
        hist_gram(input_image(i))=hist_gram(input_image(i))+1;
    end;
end
IDX=find(hist_gram);
hist_length=length(IDX);
Centroid=(1:k)*max_val/(k+1);
while(true)
    old_Centroid=Centroid;
    for i=1:hist_length
        new_val=abs(IDX(i)-Centroid);
        hist_val=find(new_val==min(new_val));
        hist_gram_count(IDX(i))=hist_val(1);
    end
    for i=1:k,
        loop_count=find(hist_gram_count==i);
        Centroid(i)=sum(loop_count.*hist_gram(loop_count))/sum(hist_gram(loop_count));
    end
    if(Centroid==old_Centroid) break;end;
end
length_input_image=size(new_image);
new_cluster=zeros(length_input_image);
for i=1:length_input_image(1),
    for j=1:length_input_image(2),
        new_val=abs(new_image(i,j)-Centroid);
        loop_count=find(new_val==min(new_val));
        new_cluster(i,j)=loop_count(1);
    end
end
Centroid=Centroid+min_val-1;

特别是上面代码中input_image(:)的目的是什么。在谷歌他们说它像矩阵。但我仍然感到困惑，无论是矩阵还是数组

Answer 1

符号(:)将多维向量折叠为列向量。

data = rand(10,4);

size(data(:))
%   40  1

然后，您可以将正常函数应用于整个多维数组

min(data(:));

而不是每个维度独立

min(min(data));

在您发布的代码中，他们会将input_image折叠为列向量，以便更轻松地应用min，max和length等功能。

<强>更新

您发布的代码实际上并不执行k-means聚类。它只是创建图像中所有值的直方图。他们使用min和max来确定用于直方图的区域数。

K表示在matlab中进行聚类

1 个答案: