请写出三种基于颜色压缩的K-means聚类分割算法的matlab代码

在MATLAB中，K-means聚类是一种常用的无监督学习算法，用于数据分组。对于基于颜色压缩（通常指颜色空间转换，如从RGB到HSV等）的K-means，以下是简单的步骤和示例代码：

1. 首先，你需要加载图像并将其转换到适当的颜色空间。例如，从RGB转到HSV（Hue, Saturation, Value）:

% 加载图像
img = imread('your_image.jpg');
% 转换到HSV色彩空间
hsv_img = rgb2hsv(img);

2. 对HSV图像进行降维，这里我们通常只保留Hue（色调）这一维，因为其他两个维度可能会导致较大的数据量：

% 提取Hue通道
h_channel = hsv_img(:,:,1);

3. 对提取后的单维数据应用K-means聚类：

% 设置K值（假设为3）
num_clusters = 3;
% 初始化质心
initial_centers = rand(num_clusters, 1); % 根据需求调整初始化方法
% 运行K-means
[idx, centers] = kmeans(h_channel(:), num_clusters, 'InitialCenters', initial_centers);

4. 将索引(idx)转换回原始图像尺寸，并创建聚类标签图层：

% 把聚类结果还原回原图像尺寸
clustered_hsv = zeros(size(hsv_img));
clustered_hsv(:,:,1) = idx;
% 可视化结果
figure; imshow(uint8(mergeChannels(clustered_hsv, hsv_img(:, :, 2:end))));

请注意，`mergeChannels`函数可以根据需要合并其他HSV通道或直接显示单一通道。