本方法实现参考冈萨雷斯《数字图像处理》第四版教程P555页
均值聚类实际是将图像的所有像素划分给规定数量k的聚类，每个像素都将会被分给具有最近均值的聚类
算法一般步骤为
初始化（确定k值，以及初始种子点的值，这里以灰度值进行聚类）————》进行划分，算待划分像素点值与种子点的L1或L2范数，看离谁进划分到哪一类————》划分结束后，就要更新种子点，可以以将划分的每一类的均值当做每一类新的种子点————》循环往复，直至迭代到不满足判定条件位置（即，更新迭代到种子点没发生什么变化时）
这里本人实现了一个k=2的聚类，代码如下
clear all%读入图像I=imread('1212.JPG');G=rgb2gray(I);G=im2double(G);[h,w]=size(G);%先聚合两类，k=2k=2;%迭代阈值T,规定与前三步的均值比较T=2;storage=zeros(1,6);%随机赋种m=zeros(1,k);m(1)=0.7;m(2)=0.8;%创建标记矩阵label=zeros([h,w]);%指示这是第几次循环index=1;while abs(m(1)-storage(1))+abs(m(2)-storage(2))>0.4%标记时，0为第一类，1为第二类for x=1:wfor y=1:h% G(y,x)if abs(G(y,x)-m(1))-abs(G(y,x)-m(2))>0% a=(G(y,x)-m(1))^2% b=(G(y,x)-m(2))^2label(y,x)=1;end endend%更新聚类中心sum1=0;sum2=0;count1=0;for x=1:wfor y=1:hif label(y,x)==0count1=count1+1;sum1=sum1+G(y,x);elsesum2=sum2+G(y,x);endendendposition=mod(index,3);storage(position+1)=m(1);storage(position+2)=m(2);m(1)=sum1/count1;m(2)=sum2/(h*w-count1);index=index+1;end%对比figure(1)imshow(label)title('kmeans聚类结果')thresh=graythresh(G);bw=im2bw(G,thresh);figure(2)imshow(bw)title('ostu结果')
下图是测试图像
下图是利用本文实现的kmenas和ostu大津法分割的结果对比，可以看到实现的效果还是不错的
