Matlab 颜色量化

Posted 2023-02-16

【中文标题】Matlab 颜色量化

【英文标题】：Matlab Color Quantization

【发布时间】：2015-11-25 10:40:34

【问题描述】：

我目前正在从事与颜色量化相关的项目。该算法暗示为初始步 k-means 算法。到目前为止我的代码：

N = 10;
K=7;
I=imread('baboon.bmp');
Idouble = double(I);
mat=zeros(size(I,1)*size(I,2),size(I,3));
R=I(:,:,1);
G=I(:,:,2);
B=I(:,:,3);

mat(:,1)=R(:);
mat(:,2)=G(:);
mat(:,3)=B(:);
[IDX,CENTERS] = kmeans(mat,N);

算法的下一步是寻找最流行的颜色（图像中包含最多像素的颜色）。这似乎很容易，但当我试图从 IDX variable 中提取它时，我有点卡住了。

【问题讨论】：

变量Idouble 没用。另外，您可以将最后 8 行与 squeeze 和连接合并为一个。然后，我不明白你的问题：期望的输出是什么？为什么需要 kmeans ？ unique (...,.'rows) 还不够吗？

IDX 应该包含[1..k] 集群的索引，用于mat 中的每个点。所以sum(IDX==1) 应该给你集群 1 中的点数，对吧？

@beaker 是的..你是对的..

【参考方案1】：

kmeans 返回存储在CENTERS 中的图像中存在的质心/代表颜色，IDX 为您提供每个像素的成员资格。 CENTERS 的每一行都是一个质心，IDX 告诉您CENTERS 中的哪一行您需要引用图像中的像素在聚类后被分配到。

如果您想找到“最流行的颜色”，我假设您的意思是最最常出现。在这种情况下，将mode 操作应用于您的集群成员向量，然后使用它来索引CENTERS 以获得最受欢迎的集群：

idx_popular = mode(IDX);
popular_colour = CENTERS(idx_popular,:);

---

小提示

由于kmeans 是一种随机算法，因此您的集群质心很可能在每次迭代时都不同 - 无论它们是完全不同还是相同但顺序不同，都取决于算法。

我建议您运行几次kmeans 算法，以确保您确实以高概率获得最流行的颜色。这可以通过在运行kmeans 时指定Replicates 标志来完成：

num_repeats = 5; %// For example
[IDX,CENTERS] = kmeans(mat, N, 'Replicates', num_repeats);

【讨论】：

谢谢。我也遇到了其他解决方案，但这个似乎更优雅，而且肯定更快。

@AlbertoCarp - 没问题。我很高兴我正确地解释了这个问题。祝你好运！