基于K 均值聚类实现基于颜色的分割(matlab)

%% K 均值聚类实现基于颜色的分割 %使用 K 均值聚类自动分割颜色。 %聚类是一种分离对象组的方法。K 均值聚类将每个对象视为在空间中有一个位置。它将对象划分为若干分区，使每个簇中的对象尽可能彼此靠近， %并尽可能远离其他簇中的对象。使用 imsegkmeans 函数将图像像素按值分成一个颜色空间内的若干个簇。 RGB 和 L*a*b* 颜色空间中执行图像的 %k 均值聚类，以显示使用不同颜色空间如何改进分割结果。 %% 读取图片(彩色图片) he = imread("CT1.png"); imshow(he) title("H&E Image") %% 用 K 均值聚类对 RGB 颜色空间的颜色进行分类 %在 RGB 颜色空间中使用 k 均值聚类将图像分割成三个区域。对于输入图像中的每个像素，imsegkmeans 函数返回一个对应的簇标签。 %将标注图像叠加显示在原始图像上。 %标注图像将白色、浅蓝-紫色和浅粉色区域组合在一起，这是不正确的。由于 RGB 颜色空间合并了每个通道（红、绿、蓝）内的亮度和颜色信息，因此两种不同颜色的较亮版本比这两种颜色的较暗版本更接近，也更难分割。 numColors = 3; L = imsegkmeans(he,numColors); B = labeloverlay(he,L); imshow(B) title("K均值聚类效果") %% 将图像从 RGB 颜色空间转换为 L*a*b* 颜色空间 %使用 rgb2lab 函数将图像转换为 L*a*b* 颜色空间。 %L*a*b* 颜色空间将图像的光度和颜色分开。这使得按颜色分割区域变得更加容易并且与亮度无关。颜色空间也更符合人类对图像中不同的白色、蓝-紫色和粉色区域的视觉感知。 %L*a*b* 颜色空间是从 CIE XYZ 三色值派生的。L*a*b* 空间包含光度层 L*、色度层 a*（表示颜色落在沿红-绿轴的位置）和色度层 b*（表示颜色落在沿蓝-黄轴的位置）。所有颜色信息都在 a* 和 b* 层。 lab_he = rgb2lab(he); %% 用 K 均值聚类对基于 a*b* 空间的颜色进行分类 %仅使用颜色信息分割图像，请将图像限制为 lab_he 中的 a* 和 b* 值。 %将图像转换为 single 数据类型，以便于 imsegkmeans 函数使用。使用 imsegkmeans 函数将图像像素分成三个簇。将 NumAttempts 名称-值参数的值设置为使用不同的初始簇质心位置重复聚类三次，以避免拟合局部最小值。 ab = lab_he(:,:,2:3); ab = im2single(ab); pixel_labels = imsegkmeans(ab,numColors,"NumAttempts",4); %标注图像叠加显示在原始图像上。新标注图像将白色、蓝紫色和粉色染色组织区域更清晰地区分开来。 figure(2) B2 = labeloverlay(he,pixel_labels); imshow(B2) title("聚类四次") %% 创建按颜色分割 H&E 图像的图像 %使用 pixel_labels，按颜色分离原始图像中的对象，从而产生三个掩膜图像 figure(3) mask1 = pixel_labels == 1; cluster1 = he.*uint8(mask1); imshow(cluster1) title("按颜色分割 H&E 图像1"); figure(4) mask2 = pixel_labels == 2; cluster2 = he.*uint8(mask2); imshow(cluster2) title("按颜色分割 H&E 图像2"); figure(5) mask3 = pixel_labels == 3; cluster3 = he.*uint8(mask3); imshow(cluster3) title("按颜色分割 H&E 图像3");