图形分割matlab代码

以下是一个简单的图形分割 Matlab 代码示例，使用了常见的 k-means 算法：

% 读入图像
im = imread('image.png');

% 转化为 L*a*b* 颜色空间
lab_im = applycform(im, makecform('srgb2lab'));

% 将 L*a*b* 图像转化为列向量
ab = double(lab_im(:,:,2:3));
nrows = size(ab,1);
ncols = size(ab,2);
ab = reshape(ab, nrows*ncols, 2);

% 执行 k-means 聚类算法
nColors = 3; % 设置聚类数目
[cluster_idx, ~] = kmeans(ab, nColors, 'distance', 'sqEuclidean', 'Replicates', 3);

% 将每个像素的颜色替换为其所属的聚类中心的颜色
pixel_labels = reshape(cluster_idx, nrows, ncols);
segmented_images = cell(1,3);
rgb_label = repmat(pixel_labels, [1 1 3]);

for k = 1:nColors
    color = im;
    color(rgb_label ~= k) = 0;
    segmented_images{k} = color;
end

% 显示分割后的图像
figure;
subplot(2, 2, 1), imshow(im), title('原始图像');
subplot(2, 2, 2), imshow(segmented_images{1}), title('聚类1');
subplot(2, 2, 3), imshow(segmented_images{2}), title('聚类2');
subplot(2, 2, 4), imshow(segmented_images{3}), title('聚类3');

这个代码将图像转化为 L*a*b* 颜色空间，使用 k-means 聚类算法将像素聚类成 3 个不同的颜色类别，并将每个像素的颜色替换为其所属的聚类中心的颜色。最后，代码显示分割后的图像，其中每个聚类都用不同的颜色表示。