K-means聚類方法在圖像色彩中的應用

張曼麗

摘要：“智者觀物，固非以一物視之，別之以類，格而致知，推而及其他者也”這是人類及千年來認識世界和社會的基本能力，也是當今大數(shù)據(jù)中發(fā)現(xiàn)價值必須面對的一個基本問題即聚類問題。無論是在政治、文化還是在數(shù)理、化工方面無不借助于聚類分析的結(jié)果，聚類分析還有一個非常具有實用價值的方向即在圖像色彩聚類中的應用。本論文就以K-means聚類分析方法為例來具體說明聚類方法在圖像色彩聚類中的應用。

關(guān)鍵詞：K-means聚類方法 圖像色彩聚類

當今時代是大數(shù)據(jù)當?shù)赖臅r代，可以說大數(shù)據(jù)是作為網(wǎng)絡時代的支撐和客觀存在，也是我們當今網(wǎng)絡時代人類社會的重要資產(chǎn)，很多東西的背后都是數(shù)字，包括我們今天說的圖像色彩聚類，背后也是矩陣的操作。圖像作為人類生活中不可缺少的一部分，它是人類獲取和交換信息的主要來源，圖像處理的應用在人類活動范圍內(nèi)不斷地擴大。近年來基于聚類方法應用下的圖像處理在醫(yī)學圖像上也非常廣泛。K-means聚類算法作為無監(jiān)督聚類方法的經(jīng)典，它具有強大的搜索力，該算法的主要思想是，它用一個聚類的中心來代表一個簇，試圖尋找k個族群的劃分方法，使得劃分后族群內(nèi)方差最小的一種聚類方法。

1 K-Means均值聚類算法

麥克奎因于1967年提出了K-均值法，這種聚類的思想是把每個樣品聚集到其最近的形心（均值）類中。即試圖尋找k個族群的劃分方法，使得劃分后族群內(nèi)方差最小，其中組內(nèi)方差的定義為：

其中p代表聚類空間中的一個點，mi為類Ci的均值，在它的最簡單說明中，這個過程可以概括為下列步驟：

（1）選定k個“種子”作為初始族群的代表。

（2）每個個體歸入距離其最近的種子所在的族群。

（3）歸類完成后，將新產(chǎn)生的族群的質(zhì)心定為新的種子。

（4）重復步驟（2）和（3），直到不需要移動。

2圖像聚類思想

這種技術(shù)是一種通用技術(shù)，你可以對任意一張彩色圖片進形處理，在過程中可以將編寫代碼進行簡易的修改，就會利用聚類將一張彩色的圖片轉(zhuǎn)換成有K個顏色的圖片，并可以將聚出來的K個顏色改成其他的顏色以得到意想不到的效果，總而言之對顏色進行K均值聚類就是把一些相似的顏色調(diào)和起來，形成K種顏色，然后用這K種顏色來形成圖像，如果只有兩種顏色的話，則就有復古的一種效果。也可以通過編程實現(xiàn)將圖像賦予新的所需要的顏色。

3圖像處理試驗

圖像處理的流程是：首先我們選擇任意一張彩色圖片，本篇以一張美秋圖為例如圖1所示：

利用R語言進行編程處理，對顏色進行K均值聚類，聚類過程中K分別等于2，4.16，32我們來進行查看圖像的結(jié)果：如圖2所以：

圖2中左上、右上、左下、右下分別是K為2、4、16、32的情況，我們發(fā)現(xiàn)當k等于2時是一種復古的效果，隨著K的增加其和原來的圖片越來越像。

我們不僅可以對色彩進行聚類還可以將圖畫變成不同的顏色，在這里我們以聚類的K=2為例，進行黑白顏色的反轉(zhuǎn)改變，如圖3所示：

4總結(jié)

聚類分析是一種非常實用的方法，本文針對K-means聚類方法對圖像顏色進行聚類，試驗驗證了在處理圖像上有很好的實際效果與應用。后續(xù)還會對經(jīng)典的K-means方法進行改進，爭取在圖像色彩處理與各割中有新的應用。