【k-means算法流程】
k-means算法的核心思想是将n个数据对象划分成k个聚类,使每个聚类中的数据与该聚类中心距离的平方和最小,其算法流程如下:
Step1:任意选择k个对象作为初始聚类中心;
Step2:计算剩余各个样本到每一个聚类中心的距离,把该样本归到离它最近的那个聚类中心所在的类;
Step3:重新计算每个类的平均值,更新每个类的聚类中心;
Step4:计算准则函数 ,其中k为聚类类别数,为第i个簇;
Step5:当准则函数不再发生变化收敛时,输出聚类结果,否则重复Step2~Step5。
【在彩色图像分割中的应用】
在一张图片中,每一个像素点对应位置坐标和色彩坐标,用k-means算法对图像聚类不是聚类位置信息,而是对其色彩进行聚类。这里色彩采用RGB模型,那么图片中每个像素点对应的坐标为(x,y,r,g,b),其中(x,y)表示位置信息,(r,g,b)代表的像素的色彩信息。通过算法对每个像素点在RGB这三个维度聚类,以实现同一个颜色的像素在一簇,就可以将图像分割,根据色彩信息提取图像信息,进一步进行图像处理和识别。