对图像利用色调进行高斯混合聚类，不使用封装好的fitgmdist函数

1. 首先，需要将图像转换为一维向量。可以使用reshape函数将图像转换为一个行向量。同时，为了方便后续处理，需要将像素值归一化到[0,1]的范围内。

2. 然后，选择高斯混合模型的参数，包括聚类数目、每个聚类的均值和协方差矩阵。可以根据经验或者试验选择适当的聚类数目。均值和协方差矩阵可以初始化为随机值。

3. 接下来，对每个像素点进行分类。对于每个像素点，计算它与每个聚类中心的距离，并将它分配到距离最近的聚类中心所代表的类别中。

4. 对于每个聚类，计算它的均值和协方差矩阵。均值可以通过求取所属样本的平均值得到，协方差矩阵可以通过求取样本的协方差矩阵得到。

5. 重复步骤3和步骤4，直到聚类中心和聚类分配不再变化或者达到最大迭代次数。

6. 最后，将每个像素点的分类结果映射回图像中，得到图像的分割结果。

这是一个基本的高斯混合聚类算法的实现过程，可以根据具体问题进行适当调整。在实际应用中，可能需要对算法进行优化，例如加速计算、避免陷入局部最优解等。