使用 K-means 聚类对图像进行颜色量化（使用 RGB 特征）答案

【问题标题】：Color quantization of an image using K-means clustering (using RGB features)使用 K-means 聚类对图像进行颜色量化（使用 RGB 特征）
【发布时间】：2014-12-30 19:38:39
【问题描述】：

是否可以使用 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。

其实基本上我想做一件事，我想得到这张图片

从这里

【问题讨论】：

这个问题很模糊。但是，如果我理解正确，您的意思是您想使用图像的 RGB 值和空间特征进行聚类。如果是这样，那么是的，你可以这样做。一种方法是连接两个特征向量。对于 RGB，可以以颜色直方图为例。
在聚类时我想考虑图像的空间特征。是否可以在matlab中提取图像的空间特征？
空间特征是一个模糊的术语。如果将图像分成块，然后将块的颜色直方图连接起来，那么它们就是空间颜色特征。如果您采用 SIFT 特征并将其打包到词袋模型中，那么这些就是梯度的空间特征。你必须决定使用什么。由于您使用的是 RGB 功能，我认为 SIFT 会有意义。
是的，这是可能的。您也许可以使用共现矩阵作为主要特征并在其上执行k-means。
非常感谢您的所有帮助，我是计算机视觉的新手，因此有时我很难理解您的指示。事实上，基本上我想做一件事，我想从这个i.imgur.com/86VuM02.jpg 得到这个图像i.imgur.com/L44h8jf.jpg。我想通过集群来做到这一点。

标签： image matlab image-processing k-means

【解决方案1】：

我认为您正在寻找颜色量化。

[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：

如果要给kmeans添加距离约束，代码会略有不同。基本上，您还需要连接相应像素值的像素坐标。但是请记住，在为每个像素分配最近的质心时，只分配颜色，即前 3 个维度，而不是最后 2 个维度。这显然没有意义。代码和之前的很相似，请注意改动并理解。

[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,[]);

kmeans 带距离约束的结果：

【讨论】：

+1 - 是的。这与原始帖子中描述的 OP 完全不同，但我相信这是所需要的。非常好。
在聚类时我们是否也在考虑图像像素位置？如果没有，是否也可以为聚类矩阵添加此功能
你可以，但我认为这将主导kmeans 的决定。试试吧。根据结果，我可以给你进一步的建议。请编辑您的问题，并在获得后将其添加到那里。
仅据您所知，您将前往（称为）image segmentation。如果您将其作为作业/项目进行，那很好。但我只是想让您了解解决问题的更好方法。也许基于图论（比如归一化切割-> 旧的，但有用）。不过它们很复杂。
好帖子！不错的提示。 +1