没有空间信息的情况下，K-Means聚类如何工作？

Question

可能很短。刚被困在使用K-Means群集的工作中。

我已经查看了以下python / skimage命令：

image_array = image.reshape([-1,3]).astype(np.float32)
kmeans = KMeans(n_clusters=2, random_state=0).fit(image_array)
labels_array = kmeans.labels_
labels = labels_array.reshape([image.shape[0], image.shape[1]])

当我注意到RGB图像不必转换为一个长数组时。 当我传递数组时，k均值聚类如何知道2个空间维度（第3个空间维度）？

还是我的假设是错误的，需要空间信息？至少目标是最小化群集内的平方和。因此，在x，y和颜色方向上的距离很重要，不是吗？

Answer 1

问题是我假设返回了一维数组。而是通过重塑返回三维。在此K-Means示例中，确实没有使用位置信息。