如何获得用于二值化图像的k-means算法的阈值？

Question

我应用了k-means算法来分割图像。我使用内置的k-means函数。它工作正常，但我想知道在k-means方法中将其转换为二进制图像的阈值。例如，我们可以通过在MATLAB中使用内置函数来获取阈值：

threshold=graythresh(grayscaledImage);
a=im2bw(a,threshold);
%Applying k-means....
imdata=reshape(grayscaledImage,[],1);
imdata=double(imdata);
[imdx mn]=kmeans(imdata,2);
imIdx=reshape(imdx,size(grayscaledImage));
imshow(imIdx,[]);

Answer 1

实际上，k-means和众所周知的Otsu基于全局阈值二值化强度图像的阈值有一个有趣的关系：

http://www-cs.engr.ccny.cuny.edu/~wolberg/cs470/doc/Otsu-KMeansHIS09.pdf

可以证明k-means是与Otsu相同的目标函数的局部最优迭代解，其中Otsu是一个全局最优的非迭代解。

根据灰度强度数据，可以根据otsu计算阈值，可以使用graythresh或otsuthresh在MATLAB中表示，具体取决于您喜欢的接口。

A = imread('cameraman.tif');
A = im2double(A);
totsu = otsuthresh(histcounts(A,10000))
[~,c] = kmeans(A(:),2,'Replicates',10);
tkmeans = mean(c)

你可以通过找到两个质心的中点来获得kmeans的灰度阈值，这两个质心的中点在几何上是有意义的，因为在那个中点的任一侧，你更接近于一个质心或另一个，因此应该说谎在那个相应的集群中。

totsu =

    0.3308


tkmeans =

    0.3472

Answer 2

由于kmeans算法中没有阈值，因此无法获得阈值。

K-means是一种聚类算法，它返回的聚类在很多情况下无法通过简单的阈值处理获得。

请参阅this link，了解k-means的工作原理。