为减弱经典k-means算法中RGB(Red Green Blue)空间各个颜色分量高度线性相关以及欧氏距离的尺度相关性对图像分割结果产生的影响,并克服RGB空间色彩分布不匀的缺陷,提出了一种基于Lab颜色空间的改进k-means聚类彩色图像分割方法。首先,...为减弱经典k-means算法中RGB(Red Green Blue)空间各个颜色分量高度线性相关以及欧氏距离的尺度相关性对图像分割结果产生的影响,并克服RGB空间色彩分布不匀的缺陷,提出了一种基于Lab颜色空间的改进k-means聚类彩色图像分割方法。首先,将颜色空间从RGB转换为Lab空间,每个像素点都可以由L、a、b 3分量组合进行表示。其次,用马氏距离替换欧氏距离进行改进,应用改进后的k-means算法对图像像素点进行聚类,从而实现分割目的。通过实验证明该改进算法比经典k-means算法具有更好的分割效果和准确度。展开更多
文摘为减弱经典k-means算法中RGB(Red Green Blue)空间各个颜色分量高度线性相关以及欧氏距离的尺度相关性对图像分割结果产生的影响,并克服RGB空间色彩分布不匀的缺陷,提出了一种基于Lab颜色空间的改进k-means聚类彩色图像分割方法。首先,将颜色空间从RGB转换为Lab空间,每个像素点都可以由L、a、b 3分量组合进行表示。其次,用马氏距离替换欧氏距离进行改进,应用改进后的k-means算法对图像像素点进行聚类,从而实现分割目的。通过实验证明该改进算法比经典k-means算法具有更好的分割效果和准确度。
