kmeans聚类图像区域分割案例matlab代码

Kmeans聚类算法是一种常用的图像区域分割方法之一，能够将图像分成不同的区域，每个区域内的像素具有相似的颜色或纹理特征。下面是一个简单的Kmeans聚类图像区域分割案例的MATLAB代码：

% 读入图像
img = imread('input_image.jpg');

% 将图像转化为二维数据点的形式
pixels = reshape(double(img), [], 3);

% 设置Kmeans聚类的聚类数
K = 3;

% 运行Kmeans算法进行聚类
[idx, centers] = kmeans(pixels, K);

% 将每个像素的类别索引转化为图像矩阵的形式
segmented_img = reshape(idx, size(img, 1), size(img, 2));

% 用不同颜色标记每个区域
segmented_rgb_img = label2rgb(segmented_img);

% 显示原始图像和分割结果
figure;
subplot(1, 2, 1);
imshow(img);
title('原始图像');
subplot(1, 2, 2);
imshow(segmented_rgb_img);
title('分割结果');

% 保存分割结果
imwrite(segmented_rgb_img, 'segmented_image.jpg');

这段代码首先读入要进行分割的图像，然后将图像转化为二维数据点的形式，其中每个数据点表示图像中的一个像素。然后通过设置Kmeans聚类的聚类数K来决定要将图像分成多少个区域。运行Kmeans算法后，可以得到每个像素的类别索引，然后将其转化为图像矩阵的形式，得到分割结果。最后，将不同类别的区域用不同颜色标记，并将分割结果保存下来。