I=imread('houhu.png');
figure(1);
imshow(I);title('原始图像');
C = makecform('srgb2lab'); %设置转换格式,lab——l为亮度,a为颜色,b为颜色,l取0至100(纯黑—纯白),a表示从红色到绿色的范围,b表示从黄色到蓝色
J = applycform(I,C);
%进行K-mean聚类将图像分割成6个区域
ab = double(J(:,:,2:3)); %取出lab空间的a分量和b分量
nrows = size(ab,1);
ncols = size(ab,2);
ab = reshape(ab,nrows*ncols,2);
nColors = 6; %分割的区域个数为6
[cluster_idx cluster_center] = kmeans(ab,nColors,'distance','sqEuclidean','Replicates',2); %重复聚类2次
pixel_labels1 = reshape(cluster_idx==1,nrows,ncols);
figure();
imshow(pixel_labels1,[]), title('聚类结果1');
pixel_labels2 = reshape(cluster_idx==2,nrows,ncols);
figure();
imshow(pixel_labels2,[]), title('聚类结果2');
pixel_labels3 = reshape(cluster_idx==3,nrows,ncols);
figure();
imshow(pixel_labels3,[]), title('聚类结果3');
pixel_labels4 = reshape(cluster_idx==4,nrows,ncols);
figure();
imshow(pixel_labels4,[]), title('聚类结果4');
pixel_labels5 = reshape(cluster_idx==5,nrows,ncols);
figure();
imshow(pixel_labels5,[]), title('聚类结果5');
pixel_labels6 = reshape(cluster_idx==6,nrows,ncols);
figure();
imshow(pixel_labels6,[]), title('聚类结果6');
[m n]=size(I);
[i j]=size(pixel_labels3);
size = [593 740];
J1 = imresize(I,size);
pixel_labels3 = imresize(pixel_labels3,size);
J2=imadd(double(rgb2gray(J1)),double(pixel_labels3),'uint8');
imshow(J2);title('匹配图像');
W=watershed(pixel_labels3);
imshow(W);title('道路提取图像');
watershed.zip_watershed_聚类道路_道路 提取_道路分割_道路提取
版权申诉
86 浏览量
2022-07-15
17:03:30
上传
评论
收藏 705KB ZIP 举报
weixin_42653672
- 粉丝: 93
- 资源: 1万+
最新资源
- 筷手引流工具.apk
- 论文(最终)_20240430235101.pdf
- 基于python编写的Keras深度学习框架开发,利用卷积神经网络CNN,快速识别图片并进行分类
- 最全空间计量实证方法(空间杜宾模型和检验以及结果解释文档).txt
- 5uonly.apk
- 蓝桥杯Python组的历年真题
- 2023-04-06-项目笔记 - 第一百十九阶段 - 4.4.2.117全局变量的作用域-117 -2024.04.30
- 2023-04-06-项目笔记 - 第一百十九阶段 - 4.4.2.117全局变量的作用域-117 -2024.04.30
- 前端开发技术实验报告:内含4四实验&实验报告
- Highlight Plus v20.0.1
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈