kmeans--第一个matlab算法

最新推荐文章于 2023-05-20 00:15:00 发布

原创最新推荐文章于 2023-05-20 00:15:00 发布 · 347 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#kmeans #matlab

本文介绍了一种基于K均值算法的图像量化方法，通过迭代更新聚类中心来实现图像颜色的压缩。该方法首先定义了初始聚类中心，然后通过不断分配像素到最近的聚类中心并更新这些中心来逐步优化图像的颜色表示。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

%k均值算法
imMatrix = imread('../pic/qiushuzhen.jpg'); % 404x500x3
imMatrix = imMatrix(150:350,150:350,1:end);

KM = 32; %最终聚类的大小
%图像的大小
rgbSize = size(imMatrix); %数组下标从1开始
%imshow(imMatrix); %显示图片
%imMatrix(1,1,1:end)
%for i=1:1:rgbSize(1)
% for j=1:1:rgbSize(2)
% imMatrix(i,j,1) = 0; %为了方便显示
% imMatrix(i,j,2) = 0;
% end
%end

%算法开始
%原始的切分点(转置)
repeat_max_count = 50;
sp = [zeros(1,KM);zeros(1,KM);linspace(1,255,KM)]';
sp_res = cell(repeat_max_count);
sp_res{1} = sp;
all_sp_dis = 100000000;
repeat_count = 1;
while 1
sp_point_sum = zeros(KM,3); %收集到的点的各个维度的像素和
sp_sum = zeros(KM,1); %收集到的像素点在切分点之和
sp_cnt = zeros(KM,1); %收集到的像素点在切分点的个数
%im2sp imMatrix归属于哪个切分点(数组下标)
%im2sp=zeros(rgbSize(1), rgbSize(2));
for i=1:1:rgbSize(1)
for j=1:1:rgbSize(2)
dis = 100000;
selectp = 1;
for k=1:1:KM %选出最近的那个点
ss=sp(k,1:end,1:end)';
tp = [imMatrix(i,j,1) imMatrix(i,j,2) imMatrix(i,j,3)]';
dis_p = ss-double(tp);
dis2 = norm(dis_p,3);
if dis2 < dis
dis = dis2;
selectp = k;
end
end
tt = sp_point_sum(selectp,1:end);
tp = double([imMatrix(i,j,1) imMatrix(i,j,2) imMatrix(i,j,3)]);
sp_point_sum(selectp,1:end) = tt + tp;
sp_sum = sp_sum + dis;
sp_cnt(selectp) = sp_cnt(selectp) + 1;
end
end
sp_new = zeros(KM,3);
sp_all_change = 0; %两次计算的原始点之间的变化率，判断结束的条件
for ii=1:1:KM
if sp_cnt(ii) == 0
sp_new(ii) = sp(ii);
else
sp_new(ii,1:end) = sp_point_sum(ii,1:end)/sp_cnt(ii);
sp_all_change = sp_all_change + norm(sp_new(1:end)-sp(1:end), 3);
end
end

repeat_count = repeat_count + 1
if repeat_count >= repeat_max_count
break
end
sp = sp_new;
%sp_res = [sp_res;sp];
sp_res{repeat_count} = sp;
if all_sp_dis - sp_all_change < 1
break
end
all_sp_dis = sp_all_change;
%length(x1)-length(unique(x1))
end

y_count = 5;
x_count = double(int8((repeat_count + y_count - 1 + 1) / y_count));
subplot(x_count,y_count,1);
imshow(imMatrix);
for ii=1:1:repeat_count
imMatrixTmp = imMatrix;
ssp = cell2mat(sp_res(ii));
for i=1:1:rgbSize(1)
for j=1:1:rgbSize(2)
dis = 100000;
selectp = 1;
for k=1:1:KM %选出最近的那个点
ss=ssp(k,1:end,1:end)';
tp = [imMatrixTmp(i,j,1) imMatrixTmp(i,j,2) imMatrixTmp(i,j,3)]';
dis_p = ss-double(tp);
dis2 = norm(dis_p,3);
if dis2 < dis
dis = dis2;
selectp = k;
end
end
imMatrixTmp(i,j,1:end) = uint8(ssp(selectp,1:end));
end
end
[x_count y_count ii]
subplot(x_count,y_count,ii+1);
imshow(imMatrixTmp);
end