给我一个matlab图像分割实验代码机器学习：基于聚类K-Means算法实现图像的分割研究

在MATLAB中，我们可以使用K-Means聚类算法来进行图像分割。这里是一个简单的例子，假设我们有一幅灰度图像`img`：

% 导入图片并转换为双精度数组
img = imread('your_image.jpg');
img = double(img);

% 将图像数据归一化到0-1范围
img = img ./ max(max(img));

% 使用KMeans函数对图像像素进行聚类
numClusters = 2; % 分为两类（例如前景和背景）
[idx, C] = kmeans(double(img(:)), numClusters); % idx是每个像素的聚类标签

% 根据聚类结果将原始图像重构为二值图
seg_img = reshape(idx, size(img));
seg_img(seg_img == 0) = min(img(:)); % 背景通常设为原图最小值
seg_img(seg_img > 0) = max(img(:));  %前景通常设为原图最大值

% 显示原始图像和分割后的图像
subplot(1,2,1), imshow(img);
title('Original Image');
subplot(1,2,2), imshow(uint8(seg_img), []);
title('Segmented Image (K-means)');

在这个代码片段中，我们首先加载图像并将其转换为双精度数列以便于处理。然后应用K-Means算法，设定聚类数量为两个。最后，我们将聚类标签重构回图像上，生成了分割后的二值图像。