如何用matlab分割颜色,Matlab：基于颜色的分割
您得到不同结果的原因是您的颜色分割算法使用了
k-means clustering.我将假设您不知道这是什么,因为熟悉其工作原理的人会立即告诉您这就是您的原因每次都会得到不同的结果.事实上,每次运行此代码后得到的不同结果都是k-means聚类的自然结果,我将解释原因.
它的工作原理是,对于您拥有的某些数据,您希望将它们分组为k个组.您最初在数据中选择k个随机点,这些点将包含1,2,…,k的标签.这就是我们所说的质心.然后,确定其余数据与这些点之间的接近程度.然后,您将这些点分组,以便无论哪个点最接近这些k点中的任何一个,您都将这些点指定为属于该特定组(1,2,…,k).之后,对于每个组的所有点,您更新质心,其实际上被定义为每个组的代表点.对于每个组,您计算每个k组中所有点的平均值.这些成为下一次迭代的新质心.在下一次迭代中,您可以确定数据中每个点与每个质心的接近程度.你继续迭代并重复这种行为,直到质心不再移动,或者它们移动很少.
这适用于上面的代码是您正在拍摄图像,并且您想要仅使用k种可能的颜色来表示图像.因此,这些可能的颜色中的每一种都是质心.一旦找到每个像素所属的簇,就可以将像素的颜色替换为像素所属的簇的质心.因此,对于图像中的每个颜色像素,您需要确定该像素最好用哪种颜色表示.这是一种颜色分割的原因是因为您将图像分割为仅属于k种可能的颜色.在更一般的意义上,这就是所谓的无监督分割.
现在,回到k-means.如何选择初始质心是您获得不同结果的原因.您以默认方式调用k-means,它自动确定算法将从中选择哪些初始点.因此,每次调用算法时都不能保证生成相同的初始点.如果您想重复相同的分段,无论您多少次调用kmeans,您都需要自己指定初始点.因此,您需要修改k-means调用,使其看起来像这样：
[cluster_idx, cluster_center] = kmeans(ab,nColors,'distance','sqEuclidean', ...
'Replicates', 3, 'start', seeds);
请注意,该调用是相同的,但我们在k-means调用中添加了两个附加参数.标志开始意味着您指定了初始点,种子是k x p数组,其中k是您想要的组数.在这种情况下,这与nColors相同,即3.p是数据的维度.由于您正在转换和重塑数据的方式,这将是2.因此,您最终指定了一个3 x 2矩阵.但是,您有一个Replicate标志.这意味着k-means算法将运行您指定的特定次数,并将输出具有最小错误量的分段.因此,我们将使用此标志指定的次数重复kmeans调用次数.上面的种子结构将不再是k x p而是k x p x n,其中n是您想要运行分段的次数.现在这是一个3D矩阵,其中每个2D切片确定算法的每次运行的初始点.请记住以下内容.
您如何选择这些积分取决于您.但是,如果你想随机选择这些而不是留给你,但是每次你调用这个函数都要重现相同的结果,你应该将random seed generator设置为一个已知的数字,比如123.这样,当你生成随机点,它将始终生成相同的点序列,因此是可重现的.因此,我会在调用kmeans之前将其添加到您的代码中.
rng(123); %// Set seed for reproducibility
numReplicates = 3;
ind = randperm(size(ab,1), numReplicates*nColors); %// Randomly choose nColors colours from data
%// We are also repeating the experiment numReplicates times
%// Make a 3D matrix where each slice denotes the initial centres for each iteration
seeds = permute(reshape(ab(ind,:).', [2 nColors numReplicates]), [2 1 3]);
%// Now call kmeans
[cluster_idx, cluster_center] = kmeans(ab,nColors,'distance','sqEuclidean', ...
'Replicates', numReplicates, 'start', seeds);
请记住,您指定了Replicates标志,我们希望重复此算法一定次数.这是3.因此,我们需要做的是为算法的每次运行指定初始点.因为我们将有3个点集群,并且我们将运行该算法3次,所以我们总共需要9个初始点(或nColors * numReplicates).每组初始点必须是3D数组中的切片,这就是您在kmeans调用之前看到复杂语句的原因.
我将重复次数作为一个变量,这样你就可以改变它并改变你内心的内容,它仍然有用.使用permute和reshape的复杂语句使我们可以非常轻松地创建这个3D点阵.
请记住,MATLAB中对randperm的调用仅接受了最近的第二个参数.如果上面对randperm的调用不起作用,请改为：
rng(123); %// Set seed for reproducibility
numReplicates = 3;
ind = randperm(size(ab,1)); %// Randomly choose nColors colours from data
ind = ind(1:numReplicates*nColors); %// We are also repeating the experiment numReplicates times
%// Make a 3D matrix where each slice denotes the initial centres for each iteration
seeds = permute(reshape(ab(ind,:).', [2 nColors numReplicates]), [2 1 3]);
%// Now call kmeans
[cluster_idx, cluster_center] = kmeans(ab,nColors,'distance','sqEuclidean', ...
'Replicates', numReplicates, 'start', seeds);
现在使用上面的代码,您应该能够每次都生成相同的颜色分割结果.
祝你好运！