如何在 jpeg 图像上使用 MATLAB kmeans 函数生成单个分区图像？

Question

我的问题与this 类似，只是推荐的分割可视化方法对我不起作用。

我想做的是使用 MATLAB 的 k-means 代码对 jpeg 图像进行分区，然后将结果可视化。 MATLAB help 上提供了用于生成每个像素的聚类平均值和聚类索引的代码，但不包括可视化分割的代码（或者至少不是以我想要的方式 - 我想要一个单一的视图分区图像，即所有由派生均值表示的簇都表示在同一图像中，而不是像示例中那样使用“均值”生成掩码）。

如上所述，somebody 发布了以下内容作为可视化结果的方式，但它对我不起作用：

imseg = zeros(size(im,1),size(im,2));
for i=1:max(idx)
    imseg(idx==i)=i;
end
imagesc(imseg)

Answer 1

上一篇文章所做的是将集群 ID 可视化为输出图像。您可能想要集群本身的平均值（因此 k-means）。从上一篇文章中可以很容易地做到和修改。我还将假设您的图像是uint8 类型，其中每个灰度/颜色通道跨越[0,255]。假设 idx 包含每个像素的成员资格，centroids 包含集群本身的实际颜色/灰度值，您只需要这样做：

imseg = uint8(zeros(size(im,1),size(im,2))); %// Cast to uint8 as image is of this type
centroids = uint8(centroids); %// Just in case, to ensure compatible data types
for i=1:max(idx)
    imseg(idx==i) = centroids(i); %// Set location to the centroid value, not ID
end
imagesc(imseg);

现在，如果您想要彩色图像，您只需将 2D 矩阵堆叠在一起。这可以通过以下方式完成：

%// Initialize red, green and blue planes
imRed = uint8(zeros(size(im,1), size(im,2))); %// Cast to uint8 as image is of this type
imGreen = imRed;
imBlue = imRed;
centroids = uint8(centroids); %// Just in case, to ensure compatible data types
for i=1:max(idx)
    imRed(idx==i) = centroids(idx,1); %// Find centroid value for RGB for each cluster
    imGreen(idx==i) = centroids(idx,2); %// and set accordingly
    imBlue(idx==i) = centroids(idx,3);
end
imseg = cat(3,imRed, imGreen, imBlue);
imagesc(imseg);

---

旁注

对于灰度情况，您完全可以通过以下方式进行矢量化处理：

imseg = centroids(idx);
imagesc(imseg);

我坚持使用for 循环方法，因为这似乎是您最熟悉的方法，但您可以使用idx 作为centroids 的索引数组，输出将本质上是一张地图，其中每个成员 ID 都具有与该集群关联的灰度值。