利用MATLAB代码实现图像的K-means算法

在MATLAB中，可以使用`kmeans`函数来实现K-means聚类算法对图像进行分块。K-means是一种无监督学习方法，用于将数据集划分为K个簇。以下是基本步骤：

1. 加载图像：假设你已经有了一个名为`img`的灰度图像，首先读取并转换成二维数组。

img = imread('your_image.jpg'); % 替换为你的图像文件名
img = double(img) / 255; % 转换成0到1之间的浮点数，便于处理

2. 准备数据：将图像像素作为样本数据输入到聚类算法中。这里我们通常将行视为样本，列视为特征。

data = reshape(img, [], 1); % 将图像展平成一维向量

3. 设置K值：确定你想要划分的簇的数量K。

numClusters = 8; % 例如，8个颜色簇

4. 运行K-means：调用`kmeans`函数进行聚类。

[idx, centers] = kmeans(data, numClusters);

- `idx`: 分配给每个像素的簇标签。
- `centers`: K个簇的质心，即各簇的平均像素值。

5. 可视化结果：将聚类后的图像还原回原始尺寸，并为每个簇着色。

clustered_img = zeros(size(img));
for i = 1:numClusters
    clustered_img(idx == i, :) = centers(i, :);
end
imshow(clustered_img);