【发布时间】：2015-11-09 03:26:02
【问题描述】：
我在基于颜色的图像分割中使用 K-means 聚类。我有一个 2D 图像，它有 3 种颜色，黑色、白色和绿色。这是图片，
我想让K-means产生3个簇，一个代表绿色区域，第二个代表白色区域，最后一个代表黑色区域。
这是我使用的代码，
%Clustering color regions in an image.
%Step 1: read the image using imread, and show it using imshow.
img = (imread('img.jpg'));
figure, imshow(img), title('X axis rock cut'); %figure is for creating a figure window.
text(size(img,2),size(img,1)+15,...
'Unconventional shale x axis cut', ...
'FontSize',7,'HorizontalAlignment','right');
%Step 2: Convert Image from RGB Color Space to L*a*b* Color Space
conversionform = makecform('srgb2lab'); %the form of the conversion is defined as from rgb to l a b
lab_img = applycform(img,conversionform); %converting the rgb image to l a b image using the conversion form defined above.
%Step 3: Classify the Colors in 'a*b*' Space Using K-Means Clustering
ab = double(lab_img(:,:,2:3));
nrows = size(ab,1);
ncols = size(ab,2);
ab = reshape(ab,nrows*ncols,2);
nColors = 3;
% repeat the clustering 3 times to avoid local minima
[cluster_idx, cluster_center] = kmeans(ab,nColors,'distance','sqEuclidean', ...
'Replicates',3);
%Step 4: Label Every Pixel in the Image Using the Results from KMEANS
%For every object in your input, kmeans returns an index corresponding to a cluster. The cluster_center output from kmeans will be used later in the example. Label every pixel in the image with its cluster_index.
pixel_labels = reshape(cluster_idx,nrows,ncols);
figure, imshow(pixel_labels,[]), title('image labeled by cluster index');
segmented_images = cell(1,3);
rgb_label = repmat(pixel_labels,[1 1 3]);
for k = 1:nColors
color = img;
color(rgb_label ~= k) = 0;
segmented_images{k} = color;
end
figure, imshow(segmented_images{1}), title('objects in cluster 1');
figure, imshow(segmented_images{2}), title('objects in cluster 2');
figure, imshow(segmented_images{3}), title('objects in cluster 3');
但我没有得到所需的结果。我得到一个带有绿色区域的簇，一个带有绿色区域边界的簇，以及一个带有灰色、黑色和白色的簇。这是生成的集群。
这样做的目的是在得到正确的聚类结果后，我想用连通分量的概念统计每个区域的像素数。
所以，我的目标是知道每个颜色区域中有多少像素。我尝试了另一种更简单的方法，即获取 2D 图像的矩阵并尝试计算每种颜色的像素数。但是，我在矩阵中发现了超过 3 种 RGB 颜色，可能是因为相同颜色的像素的颜色级别略有不同。这就是我进行图像分割的原因。
谁能告诉我如何修复上面的代码以获得所需的结果？
如果您能给我一些关于如何以更简单的方式执行此操作的提示（如果有的话），我将不胜感激。
编辑：这是我为迭代图像中的每个像素而编写的代码。请注意，我使用红色、黄色、蓝色和白色 4 种颜色而不是绿色、白色和黑色，但想法是一样的。 rgb2name 是返回给定 RGB 颜色的颜色名称的函数。
im= imread ('img.jpg');
[a b c] = size (im);
%disp ([a b]);
yellow=0;
blue=0;
white=0;
red=0;
for i=1:a
for j=1:b
x= impixel(im, i, j)/255 ;
color= rgb2name (x);
if (~isempty (strfind (color, 'yellow')))
yellow= yellow+1;
elseif (~isempty (strfind(color, 'red')))
red= red+1;
elseif (~isempty (strfind (color, 'blue')))
blue= blue+1;
elseif (~isempty (strfind (color, 'white')))
white= white+1;
else
%disp ('warning'); break;
end
disp (color);
disp (i);
end
end
disp (yellow)
disp (red)
disp (blue)
disp (white)
谢谢。
【问题讨论】：
-
那是因为在您的图像中，您没有恰好有 3 种颜色。由于 jpg 压缩，您会在生成其他颜色的锐利边缘附近创建伪影。此外，在 Lab 空间中，a 和 b 在此图像中的判别性不是很大。如果您可以发布未压缩（如 png）的图像，它会容易得多（不要从 jpg 转换为 png，而是将图像直接从您的数据中保存为 png）。
-
感谢@Miki，我尝试使用 png 图像运行代码，但仍然得到相同的结果。有没有更简单的方法来计算每个颜色区域的像素？我编写了一个代码来读取 2D 图像中的每个像素，然后调用一个函数（我下载的 .m 文件中的一个就绪函数），该函数使用最近邻方法返回颜色名称。但是图像有 655 X 653 像素，所以需要太多时间，我已经运行了 2 个小时，直到现在才完成。你有什么建议吗？谢谢。
-
您可以非常快速地计算每种颜色的像素数。这里的问题是你不只有 3 种颜色！所以你有几个选择：1）处理未压缩的图像（没有压缩伪影）； 2) 找到 3 个 主导 颜色，并将抗锯齿生成的颜色分配给其中一个。我强烈建议1）。如果您可以访问原始数据，它会简单得多。如果您不能做到 1)，那么颜色（黑色、白色、绿色）是否总是完全相同？
-
谢谢@Miki，我只有一个 .jpg 图片。我下载的功能包含许多RGB颜色变化，它可以找到颜色。不，颜色不一样，每种颜色的多个级别可能略有不同。为了解决这个问题，我删除了函数中的所有颜色值，并保留了与绿色、黑色和白色相对应的颜色值。不需要很多级别，因为该函数使用最近邻方法。我的问题是我使用 2 个 for 循环（655 X 653 迭代）遍历像素，这需要很长时间。有没有办法摆脱循环？谢谢。
-
贴出包含两个嵌套循环的代码
标签： matlab image-processing 2d k-means image-segmentation