k-means-ok.m

基于MATLAB的k-means算法 较好的解决了图像分类聚类的问题

clc
clear
tic
RGB= imread ('001.jpg'); %读入像
img=rgb2gray(RGB);
y=rgb2gray(RGB);
[m,n]=size(img);
subplot(2,2,1),imshow(img);title(' 图一 原图像')
subplot(2,2,2),imhist(img);title(' 图二 原图像的灰度直方图')
hold off;
img=double(img);
for i=1:2000
     c1(1)=25;
     c2(1)=125;
     c3(1)=200;%选择三个初始聚类中心
     r=abs(img-c1(i));
     g=abs(img-c2(i));
     b=abs(img-c3(i));%计算各像素灰度与聚类中心的距离
     r_g=r-g;
     g_b=g-b;
     r_b=r-b;
     n_r=find(r_g<=0&r_b<=0);%寻找最小的聚类中心
     n_g=find(r_g>0&g_b<=0);%寻找中间的一个聚类中心
     n_b=find(g_b>0&r_b>0);%寻找最大的聚类中心
     i=i+1;
     c1(i)=sum(img(n_r))/length(n_r);%将所有低灰度求和取平均，作为下一个低灰度中心
     c2(i)=sum(img(n_g))/length(n_g);%将所有低灰度求和取平均，作为下一个中间灰度中心
     c3(i)=sum(img(n_b))/length(n_b);%将所有低灰度求和取平均，作为下一个高灰度中心
     d1(i)=abs(c1(i)-c1(i-1));
     d2(i)=abs(c2(i)-c2(i-1));
     d3(i)=abs(c3(i)-c3(i-1));
     if d1(i)<=0.001&&d2(i)<=0.001&&d3(i)<=0.001
         R=c1(i);
         G=c2(i);
         B=c3(i);
         k=i; 
         break;
     end
end
R 
G 
B
x=[R G B];
img=uint8(img);
img(find(img<R))=10;
img(find(img>R&img<G))=128;
img(find(img>G))=250;
toc
subplot(2,2,3),imshow(img);title(' 图三 聚类后的图像') 
subplot(2,2,4),hist(y,x);title(' 图四 聚类后的图像直方图')