Question

所以我有这段代码：

    for i = 1:38
        he = cores{i,1};
        imshow(he), title('H&E image');

        cform = makecform('srgb2lab');
        lab_he = applycform(he,cform);

        ab = double(lab_he(:,:,2:3));
        nrows = size(ab,1);
        ncols = size(ab,2);
        ab = reshape(ab,nrows*ncols,2);

        nColors = 3;
        % repeat the clustering 3 times to avoid local minima
        [cluster_idx, cluster_center] = kmeans(ab,nColors,'distance','sqEuclidean', ...
                                              'Replicates',3);


        pixel_labels = reshape(cluster_idx,nrows,ncols);
        figure;
        imshow(pixel_labels,[]), title('image labeled by cluster index');


        segmented_images = cell(1,3);
        rgb_label = repmat(pixel_labels,[1 1 3]);

        for k = 1:nColors
            color = he;
            color(rgb_label ~= k) = 0;
            segmented_images{k} = color;
        end

        figure
        imshow(segmented_images{1}), title('objects in cluster 1');

        figure
        imshow(segmented_images{2}), title('objects in cluster 2');

        figure
        imshow(segmented_images{3}), title('objects in cluster 3');
   end

我有38种不同的图像，棕色，蓝色和绿色。我想在3个不同的变量中区分它们，这就是这个代码正在做的事情。

唯一的问题是我需要知道哪个是哪个（例如，第一个单元格将始终为蓝色，第二个单元格为棕色，最后一个为绿色）但通常我会以随机顺序获取它们。

有什么想法吗？

Answer 1

k-means算法需要开始猜测质心的位置，通常是随机选择的。如果问题得到合理制定，起点的选择不会影响最终结果，除非标签的顺序可能不同，这就是您所看到的。

您可以自己定义起点，删除每次都要随机播放的终结标签的随机性。 Matlab的k-means算法允许您通过将起点传递给`Start＆＃39;参数。如何完成此操作的示例是here。

如果你期望质心对应于棕色，蓝色和绿色，我建议将这些的rgb值作为起始质心传递。您应该意识到，您可能不幸地选择不能收敛到您满意的解决方案的起始质心：如果是这样，请稍微改变您的猜测！

k表示matlab中的代码

1 个答案: