在RGB或HSV颜色空间上进行k-means聚类？

Question

我想对一张图片进行划分，但有人告诉我使用RGB的欧几里得距离并不如HSV好用。但是对于HSV来说，由于不是所有的H、S、V值都处于相同的范围内，所以我需要对其进行归一化处理。对于归一化后的HSV进行聚类是一个好主意吗？如果是，那么我应该如何在HSV范围内进行归一化呢？

谢谢。

- nobody

Answer 1

作为HSV成分，色相、饱和度和灰度强度表示像素的颜色，它们在颜色方面不相互关联，每个成分都有其定义该像素属性的作用，例如色相将提供颜色信息（在其他条件下表示波长），饱和度始终显示与该颜色混合的白色占多少百分比，而值仅是该颜色的大小（换句话说是强度），因此HSV空间的所有成分均不遵循相同的刻度以表示值，即使色相可以沿刻度取负（因为这些是循环值），但强度（V）永远不会变为负数，因此规范化对于聚类没有太大帮助，更好的方法是如果要进行颜色聚类，则只应在色相上应用聚类。

现在为什么欧氏距离不适用于多通道聚类呢？因为它沿平均值的分布是球形（对于2D圆形），所以如果它不能区分（147,175,208）和（208,175,147），两者都将距离中心相同，最好使用马氏距离进行距离计算，因为它使用组件的协方差矩阵，使得该距离分布沿平均值的抛物线。

因此，如果要在RGB颜色空间中进行颜色分割，请使用马氏距离（但它在计算上比较耗时，会减慢聚类过程），如果要在HSV颜色空间中进行聚类，请使用色相进行颜色分割，然后使用V来微调分割输出。

希望这能有所帮助。谢谢！

- Ankit Dixit

Answer 2

Hue是循环的。

在这种数据上不要使用平均值(因此，也不要使用k-means)。

- Has QUIT--Anony-Mousse

Answer 3

首先，您需要了解为什么在图像分割中HSV比RGB更受欢迎。HSV将颜色信息（色度）和图像强度或亮度级别（亮度）分离，如果您想进行图像分割，则非常有用。例如，如果您尝试使用RGB方法处理以海洋为背景的照片，则海洋中占主导地位的RGB分量很可能不是蓝色（通常是由于阴影或照明）。但是，如果您使用HSV，则可以分离值，并且只使用饱和度和色调构建直方图或阈值规则。

有一篇真正好的论文比较了RGB和HSV方法，我认为这将是一个不错的阅读材料 -> http://www.cse.msu.edu/~pramanik/research/papers/2002Papers/icip.hsv.pdf

- Niko Adrianus Yuwono

---

非常感谢您的答复。在进行聚类时，是否应该对HSV进行归一化，您能否发表一些意见？ - nobody

@wudanao 很抱歉回复晚了，我想我只会从HSV图像中获取色调和饱和度，并创建一个直方图，然后在将其与另一幅图像进行比较之前对其进行归一化处理。 - Niko Adrianus Yuwono