K均值(图像)聚类分析

Halcom

百度网盘视频链接：
视频链接：http://pan.baidu.com/s/1jI5MvIY
录制的视频是算法底层原理讲解，底层代码实现，方便大家真正掌握算法实质，开发出更加出色的算法。录制视频的初衷是：避免读者朋友利用大把时间学习已有常见算法，本系列视频旨在让读者朋友快速深入了解这些常见算法原理，有更多的时间去研究更加高大上算法（价值）。

具体链接在halcom.cn论坛，联系人QQ：3283892722
该论坛是一个学习交流平台，我会逐一的和大家分享学习。
欢迎大家录制视频，并提交给我，我来设置视频，你可在论坛进行打赏分享。
视频专用播放器：http://halcom.cn/forum.php?mod=viewthread&tid=258&extra=page%3D1

K均值(图像)聚类分析：

1. % K均值聚类算法
   
2. clc,clear,close all;
   
3. warning off;
   
4. I_rgb=imread('ysw_image.jpg');
   
5. % I_rgb=im2double(I_rgb);   % 双精度
   
6. I_rgb = double(I_rgb);   % 双精度
   
7. % I_rgb = imresize(I_rgb, [128,256]);  % 改变图像的大小
   
8. I_rgb = imresize(I_rgb, [64,128]);  % 改变图像的大小
   
9. [M,N] = size(I_rgb(:,:,1));
   
10. % I_rgb = rgb2gray(I_rgb);  % 彩色图像转化为灰度图像
    
11. if size(I_rgb,3)==1
    
12.    ClusterData(:,1) = I_rgb(:);
    
13. else
    
14.    ClusterData(:,1) = reshape( I_rgb(:,:,1), [],1);  % R
    
15.    ClusterData(:,2) = reshape( I_rgb(:,:,2), [],1);  % G
    
16.    ClusterData(:,3) = reshape( I_rgb(:,:,3), [],1);  % B
    
17. end
    
18. 
    
19. % 分类数
    
20. [len, depth]= size(ClusterData);
    
21. Kc = 4;   % 聚类中心个数
    
22. % 初始化中心
    
23. % index = ceil( unifrnd(1,len, 1, Kc) );   % 均匀分布
    
24. index = 1:Kc;
    
25. center = ClusterData(index,:);
    
26. center_new = center;   % 初始化新的中心
    
27. 
    
28. % maim loop
    
29. maxgen = 1e3;  % 最大迭代次数
    
30. for i=1:maxgen
    
31.      % 计算 每一个待分类的数据隶属于的中心编号
    
32.     [center_minDist,center_index] = center_nearest(center,ClusterData);
    
33.     for j=1:Kc
    
34.         index = find(center_index==j);
    
35.         center_new(j,:) = mean( ClusterData(index,:) ,1 );
    
36.     end
    
37.     error = norm( center_new-center, 2 );  % 相连两次中心点的距离值
    
38.     center = center_new;   % 更新中心
    
39.     if error<0.000001
    
40.         fprintf('\n');
    
41.         disp(['收敛迭代次数：', num2str(i)])
    
42.         disp( '聚类中心为：' )
    
43.         disp( num2str(center) )
    
44.         break;
    
45.     end
    
46. end

复制代码

L2距离计算：

1. function [center_minDist,center_index] = center_nearest(center,ClusterData)
   
2. for i=1:size(ClusterData)    % i个样本
   
3.     for j =1:size(center,1)  % j个中心
   
4.         dist(j) = norm( ClusterData(i,:) - center(j,:), 2);
   
5.     end
   
6.     [center_minDist(i), center_index(i)] = min(dist);
   
7. end
   

复制代码

参考链接：http://halcom.cn/forum.php?mod=v ... ge=1&extra=#pid1617

Halcom

改进一下：

1. maxgen = 1e3;  % 最大迭代次数
   
2. for i=1:maxgen
   
3.      % 计算 每一个待分类的数据隶属于的中心编号
   
4.     [center_minDist, center_index] = center_nearest(center,ClusterData);
   
5.     for j=1:Kc
   
6.         index = find(center_index==j);
   
7.         if(isempty(index))
   
8.             center_new(j,:) = center(j,:);
   
9.         else
   
10.             center_new(j,:) = mean( ClusterData(index,:) ,1 );
    
11.         end
    
12.     end
    
13.     error = norm( center_new-center, 2 );  % 相连两次中心点的距离值
    
14.     center = center_new;   % 更新中心
    
15.     if error<1e-3
    
16.         break;
    
17.     end
    
18. end

复制代码

Mistc

您好！这是我的机器码，FC72E003CE31BA7C-0-FF3AF712D936E17C

Halcom

Mistc 发表于 2018-8-15 18:12
您好！这是我的机器码，FC72E003CE31BA7C-0-FF3AF712D936E17C

具体联系管理员QQ   3283892722