使用K-means聚类算法（使用RGB特征）对图像进行颜色量化

Question

能否使用matlab对图像的RGB + 空间特征进行聚类？注意：我想使用kmeans进行聚类。

实际上，我只想做一件事，就是从这个图片

得到这个图片

- seleucia

---

在进行聚类时，我想考虑图像的空间特征。是否可能在Matlab中提取图像的空间特征？ - seleucia

空间特征是一个模糊的术语。如果将图像分成块，然后连接这些块的颜色直方图，则它们将成为空间颜色特征。如果您将SIFT特征打包到词袋模型中，则这些是梯度的空间特征。您必须决定使用什么。由于您正在使用RGB特征，因此我认为使用SIFT会有意义。 - Autonomous

是的，这是可能的。你可以使用共现矩阵作为主要特征，并在其上执行 k-means。 - rayryeng

感谢您关注这个问题，我已经重新编辑并进行了更正。由于它恰好用于我的项目中，我不应该使用“动物”图像。对于不适当的情况，我感到抱歉。 - seleucia

顺便问一下，有没有办法减少像素位置对聚类的影响？ 你认为归一化或标准化RGB值会有帮助，能得到更好的结果吗？ - seleucia

Answer 1

我认为您正在寻找颜色量化技术。

[imgQ,map]= rgb2ind(img,4,'nodither'); %change this 4 to the number of desired colors
                                       %in quantized image
imshow(imgQ,map);

结果：

使用 kmeans ：

%img is the original image

imgVec=[reshape(img(:,:,1),[],1) reshape(img(:,:,2),[],1) reshape(img(:,:,3),[],1)];
[imgVecQ,imgVecC]=kmeans(double(imgVec),4); %4 colors
imgVecQK=pdist2(imgVec,imgVecC); %choosing the closest centroid to each pixel, 
[~,indMin]=min(imgVecQK,[],2);   %avoiding double for loop

imgVecNewQ=imgVecC(indMin,:);  %quantizing
imgNewQ=img;
imgNewQ(:,:,1)=reshape(imgVecNewQ(:,1),size(img(:,:,1))); %arranging back into image
imgNewQ(:,:,2)=reshape(imgVecNewQ(:,2),size(img(:,:,1)));
imgNewQ(:,:,3)=reshape(imgVecNewQ(:,3),size(img(:,:,1)));

imshow(img)
figure,imshow(imgNewQ,[]);

kmeans的结果如下：

如果您想将距离约束添加到kmeans中，则代码会稍有不同。基本上，您需要将相应像素值的像素坐标连接起来。但是请记住，在为每个像素分配最近的质心时，仅分配颜色，即前3个维度，而不是后2个维度。这显然没有意义。代码与先前非常相似，请注意更改并理解它们。

[col,row]=meshgrid(1:size(img,2),1:size(img,1));
imgVec=[reshape(img(:,:,1),[],1) reshape(img(:,:,2),[],1) reshape(img(:,:,3),[],1) row(:)   col(:)];
[imgVecQ,imgVecC]=kmeans(double(imgVec),4); %4 colors
imgVecQK=pdist2(imgVec(:,1:3),imgVecC(:,1:3));

[~,indMin]=min(imgVecQK,[],2);
imgVecNewQ=imgVecC(indMin,1:3);  %quantizing
imgNewQ=img;
imgNewQ(:,:,1)=reshape(imgVecNewQ(:,1),size(img(:,:,1))); %arranging back into image
imgNewQ(:,:,2)=reshape(imgVecNewQ(:,2),size(img(:,:,1)));
imgNewQ(:,:,3)=reshape(imgVecNewQ(:,3),size(img(:,:,1)));

imshow(img)
figure,imshow(imgNewQ,[]);

< p > 带距离约束的 < code > kmeans 结果: < /p > < p > < /p >

- Autonomous

---

+1 - 啊，是的。这与原始帖子中OP所描述的完全不同，但我相信这就是所需的。非常好。 - rayryeng

在我们进行聚类时，我们是否也考虑了图像像素位置？如果没有的话，是否可以为聚类矩阵添加这个特性？ - seleucia

你可以这样做，但我认为这会主导kmeans的决策。试一下吧。根据结果，我可以给你进一步的建议。请编辑你的问题并将其添加到那里。 - Autonomous

只是提供给您的知识，您正在朝着（所谓的）“图像分割”方向前进。如果您正在做这个作业/项目，那么很好。但我只是想让您了解更好的解决问题方法。也许基于图论（比如归一化割 -> 老但有用）。虽然它们很复杂。 - Autonomous

很棒的文章！不错的技巧。+1 - chappjc