이미지 클러스터링을위한 k- 평균 알고리즘 수정

Question

이미지 클러스터링을위한 수정 된 k_mean 알고리즘을 구현하려고합니다. 즉 k- 평균과 매우 유사합니다. 차이점은 새 센터 계산에만 해당됩니다.

사실 저는 클러스터 센터를 초기화하고 픽셀과 센터 사이의 거리를 계산했습니다. 이제는 최소 거리를 기반으로 픽셀을 클러스터에 할당해야하지만 여기서 문제는 픽셀을 클러스터에 할당하고 저장하는 방법입니다. 어떤 픽셀이 새로운 중심 계산을 위해 어느 클러스터에 속하는지 알 수 있습니까?

Answer 1

당신은 이미 당신이 당신의 훈련 예 3 개 기능 (레드, 녹색, 블루)이 각각의 픽셀이 어디에 K-수단을 실행하려면, 말했다 재 작성 것. 나는 여러분이 이미 무언가를 결정한 것처럼 보일지라도, 먼저 0에서 16이나 0에서 255라고 말하기보다는 RGB 데이터를 0에서 1.0으로 정규화하여 거리 표준을 정의하는 것처럼 보이지만 결과를 비교할 수 있습니다. 색상의 깊이에 관계없이.

당신은 화소 1..m 주문 및 = (아래 참조) M : m X 3 행렬 X에 너비 X 높이 를 보관한다. X의 행에 각 픽셀을 할당하는 방법 (임의로 이미지 위치 (x, y)의 픽셀을 y * width + x 행으로 설정)

지금 당신은 단순히 IDX있는 픽셀이있는 중심에 속한 추적하기 위해 추가 미터 X 인덱스 벡터를 사용해야합니다.

idx = zeros(size(X,1), 1); 

for i = 1:size(X,1) 
    minNormSq = 0; 
    for j = 1:K 
     normSq = sum((X(i,:) .- centroids(j,:)).^2); 
     if j == 1 || normSq < minNormSq 
     minNormSq = normSq; 
     idx(i) = j; 
     end 
    end 
end 

나중에 새 중심 값을 assign a array to a boolean condition 계산 할 수있을 때.

for j = 1:K 
    inclusion = (idx == j); 
    centroids(j,:) = inclusion'*X; 
    centroids(j,:) = centroids(j,:)/sum(inclusion); 
end