Question

我正在尝试使用经典的kmeans聚类算法，其中聚类数为2。

所以，我正在使用彩色图像并用以下内容阅读：

coffeeImage = imread('coffee.png');

接下来，我用：

提取像素的x和y位置

 [x, y] = meshgrid(1:size(coffeeImage, 1), 1:size(coffeeImage, 2));

我在这里将x和y变量组合成21,160 x 5向量：

 coffeeVector = reshape([coffeeImage(:); x(:); y(:)], [], 5);

现在，我希望对此结果进行聚类。我已经尝试了以下内容，并且我得到一个异常，指出图像太大而无法显示。（结果是21,160 x 1向量）。

clustered = kmeans(double(coffeeImage), 2);
imshow(coffeeImage);
imshow(clustered, []);

我想用新的聚类变量显示原始数据进行比较。我已经查看了关于kmeans的文档，但我仍然有渲染问题。有没有人有任何想法？

Answer 1

链接的示例演示了MATLAB中的kmeans分割工作流程，包括将结果视为带标签的图像所需的结果矢量的重塑：

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

具体来说，给定kmeans的输出，这是一个Nx1向量，其中N = Rows * Columns在原始图像中，如果要将其视为二维网格，则需要将其重新整形为二维网格标签图片。我还建议使用函数labeloverlay()将原始图像与标记图像融合，以便直观地了解分割的准确性：

clustered = kmeans(double(coffeeImage), 2);
clustered = reshape(clustered,[size(coffeeImage,1),size(coffeeImage,2)]);
figure, imshow(labeloverlay(coffeeImage,clustered));

kmeans算法显示不准确

1 个答案: