![](https://csdnimg.cn/release/download_crawler_static/87656429/bg6.jpg)
3.2 灰度聚类
接着就对图像的色彩进行聚类. 聚类的有两个事实依据:
1. 灰度分辨率:肉眼的灰度分辨率大概为 40,因此对于像素值 254
和 255,在肉眼看来都只是白色;
2. 设计原则:根据一般的审美原则,在考虑海报设计、服装搭配等搭
配的时候,一般要求在服装、海报等颜色搭配不超过三种颜色.
更通俗地说,虽然灰度图片色阶范围是[0,255],但能感觉到的整体的
色调一般不多,因此,可以将相近的色阶归为一类,从而减少颜色分
布,有效地降低噪音.
事实上,聚类是根据图像的特点自适应地进行多值化的过程,避免了
传统的简单二值化所带来的信息损失. 由于需要自动地确定聚类数
目,因此传统的 KMeans 等聚类方法被抛弃了,而且经过测试,诸如
MeanShift 等可行的聚类方法又存在速度较慢等缺陷. 因此,自行设
计了聚类方法,使用的是“核概率密度估计”的思路,通过求颜色密度
极值的方式来聚类.
核密度估计:经过预处理的图像,可以对每个色阶的出现次数进行统
计,得到如图 5 的频率分布直方图: