图像分割——k-means算法

最新推荐文章于 2025-10-29 15:48:54 发布

原创最新推荐文章于 2025-10-29 15:48:54 发布 · 1.2k 阅读

9 ·

CC 4.0 BY-SA版权

文章标签：

#图像分割 #直方图统计 #k-means算法

图像处理专栏收录该内容

49 篇文章

订阅专栏

本文介绍了一种使用K-means算法进行图像分割的方法。通过读取图像，获取图像大小及直方图统计，设定类别数量并初始化中心点，然后通过迭代寻找最佳分割点，最终实现图像的分割并展示结果。

clc;
clear all;
close all;
%用k-means算法对图像进行分割
I=imread('D:\Gray Files\5-26.tif');
%获得图像大小
[M,N]=size(I);
%获得图像的直方图统计
hist_I=Histeq_Num(I,M,N);
%-------------------k-means算法分割----------------------------------------
%类别的数量
k=3;
%产生随机数
R=randperm(256);
%初始化中心点
m=R(1:k);
%最大误差
E=0.001;
%直方图的长度
L=length(hist_I);
B=zeros(L,1);
cat_Hist=cat(2,hist_I',B);
m_copy=m;
%开始寻找最佳分割点
flag=1;
while flag    
    for i=1:L
        if cat_Hist(i,1)~=0
            %计算每一个灰度级与中心点的欧拉距离
            D=abs(m-i);
            [C,ind_min]=min(D);
            cat_Hist(i,2)=ind_min;
        end
    end
    flag1=0;
    for v=1:k        
        %计算第一个类的中心点
        ind=find(cat_Hist(:,2)==v);
        sum=0;
        num=0;
        for j=1:length(ind)
            sum=sum+ind(j)*cat_Hist(ind(j));
            num=num+cat_Hist(ind(j));
        end
        m_copy(v)=sum/num;
        if abs(m_copy(v)-m(v))<E
            flag1=flag1+1;
        end
    end
    if flag1==3
        flag=0;
    else
        m=m_copy;
    end   
end
m=floor(m);
for i=1:L
    if cat_Hist(i,1)~=0
        ind=find(I==i);
        I(ind)=m(cat_Hist(i,2));
    end
end
imshow(I)

直方图统计函数，Histeq_Num如下：

%%%直方图计数
function [hist_I]=Histeq_Num(I,M,N)
    hist_I=zeros(1,256);
    %每一个值加1，消除零值，以与矩阵的下标对应
    I=I+1;
    %遍历图像，对每一个灰度分量进行数量统计
    for i=1:M*N
        hist_I(I(i))=hist_I(I(i))+1;
    end    
end