什么是最佳色彩空间（如 RGB、HSV、YIQ、XYZ、Lab），用于使用 K-Means 聚类方法将图像聚类到具有白色背景和多个对象（除了白色背景就像一些水果在白布上的图像，光线充足。附加信息：簇被确定为固定为两个簇，分割的结果是两个簇，第一个是背景的簇（布的白色），第二个是对象或一些对象的簇。之前谢谢。
【问题讨论】：
标签： image colors processing cluster-analysis k-means
我会选择 Lab，因为它可以将亮度与色度信息去关联，并且您对色度信息最感兴趣。
【讨论】：
各有优缺点。
例如，有人可能会争辩说，R 中 0.1 的差异和 B 中 0.1 的差异是相同的，因此 RGB 和欧几里得距离是合适的。而在 HSB 中，色调的范围是 0 到 360，而 S 和 V 的范围是 0 到 1（将色调重新缩放到 0-1 也不能真正解决这个问题！），因此整个欧几里德距离由色调控制。另外，355.5 和 0.5 的色调几乎相同，但欧几里得距离不知道这种环绕。 IE。不要使用带有欧几里德距离的 HSV（因此，不要使用 k-means！）
我对所有颜色空间都不够熟悉，无法告诉您哪些是欧几里得空间，因此欧几里得距离和 k 均值在哪里是合适的。 RGB 可能是，而 HSV（因为它在 H 中是循环的）绝对不是。我读到的实验室是非线性的？但是你需要一个用于 k-means 的线性空间！
对于 HSB 等，即使你有一个处理循环空间和非线性的距离函数，你也不能使用 k-means，除非你还修复了 mean 函数。例如。色调 0.5 和 355.5（都非常接近红色）的平均值为 179，大约为青色。 => k-means 结果将是无稽之谈。
【讨论】：