为聚类数据编写图像的相似性函数答案

【问题标题】：writing a similarity function for images for clustering data为聚类数据编写图像的相似性函数
【发布时间】：2010-12-03 15:41:53
【问题描述】：

我知道如何为欧几里得空间中的数据点编写相似度函数（通过负最小平方误差。）现在，如果我想检查图像上的聚类算法，如何为图像中的数据点编写相似度函数?我是基于它们的 RGB 值还是什么？以及如何？

【问题讨论】：

【解决方案1】：

我认为我们需要更好地澄清一些观点：

您是否仅对颜色进行聚类？因此，获取像素的 RGB 值并应用您的度量函数（最小化平方误差之和，或仅计算 SAD - 绝对差之和）。
您是否在空间基础上进行聚类（在图像中）？在这种情况下，您应该注意位置，就像您为欧几里德空间指定的那样，只需将图像视为样本的域。无论如何，它是一个 2D 空间……如果您也考虑颜色信息，它就是 3D（见下）。
您是否正在寻找图像中的 3D 信息？（2D 位置 + 1D 颜色）这是最可能的情况。如果您的图像显示规则或明确定义的形状，请考虑使用分割技术作为第一种方法。如果它失败了，或者您想要一个较少手动调整的算法，请考虑通过对数据进行 PCA 将信息的 3D 空间减少到 2D 甚至 1D。通过分析主成分，您可以从您的集合中删除无用的信息和/或以某种方式利用内在数据结构。

这个论点需要解决的不仅仅是一个帖子，但我希望这能有所帮助。

【讨论】：