（MATLAB）K均值聚类算法用于图像的分割

目的

实现将K均值聚类算法用于图像的分割（以下采用一张比较常见的图片,这张图片即为下面使用的test1.png，当然，也可采用别的图片，用小黄人做实验只是因为效果比较OK）

k均值聚类结果受到所选聚类中心的个数K和其初始位置以及模式样本的几何性质及读入次序等的影响。实际应用中需要试探不同的K值和选择不同的聚类中心起始值。

道理是这样，但是我们是直接用MATLAB里面的kmeans函数（用 help(‘kmeans’) 可以直接查看kmeans的相关信息），聚类起始点我们并不需要考虑。代码中我们重点关照一下K，最好把不同的K得出的效果放在同一个figure中，这样对比起来效果比较明显。此外，比较有可能影响结果的应该就是模式样本的几何性质了，也就是图片的前景背景的占比，RGB占比等等。(所以建议多试试几张图看看对比)

代码

close all;
clear all;
clc;

k=2;

org = imread('test1.png');        %读入图像
figure;
subplot(2,2,1);
imshow(org),title('原始图像');    %显示原图像

% 接下来需要知道图片的尺寸（长和宽），如若直接对RGB图像进行操作，如下
% [m,n,p]=size(org)                     %m,n为所求，p=3为通道数

% 或者用下面的这种方法，转化为灰度图再求
gray=rgb2gray(org);
[m,n]=size(gray);

% 将图像进行RGB——3通道分解
% org(:, :, 1)......分别代表rgb通道
A = reshape(org(:, :, 1), m*n, 1);   
B = reshape(org(:, :, 2), m*n, 1);
C = reshape(o