algorithm - K-meansを使用して、画像のピクセル値ベースの分離を支援できますか？

Question

ピクセル値に基づいてグレーレベル画像を分離しようとしています。1つのビンで0〜60、別のビンで60〜120、120〜180などのピクセルを255まで想定します。この場合、範囲はほぼ等間隔になります。場合。ただし、K-meansクラスタリングを使用することで、ピクセル値の範囲をより現実的に測定することができますか？ピクセルの集中度が低い場所でビンを無駄にせずに、同様のピクセルを一緒に取得しようとしています。

編集（得られた結果を含めるため）：

k-クラスターがない場合の平均法=5

Answer 1

もちろん、K-Meansは色の量子化に使用できます。そのために非常に便利です。

Mathematicaの例を見てみましょう：

グレースケール（150x150）画像から始めます。

画像を8ビットで表すときにグレーレベルがいくつあるか見てみましょう。

ac = ImageData[ImageTake[i, All, All], "Byte"];
First@Dimensions@Tally@Flatten@ac
-> 234

Ok。それらの234レベルを減らしましょう。最初の試みは、アルゴリズムだけを使用して、デフォルト構成でクラスターがいくつあるかを判別することです。

ic = ClusteringComponents[Image@ac];
First@Dimensions@Tally@Flatten@ic 
-> 3

3つのクラスターを選択し、対応する画像は次のとおりです。

さて、それで問題ない場合、またはより多くのクラスターが必要な場合は、あなた次第です。

よりきめの細かい色分解が必要であると判断したとします。3つではなく6つのクラスターを求めましょう。

ic2 = ClusteringComponents[Image@ac, 6];
Image@ic2 // ImageAdjust  

結果：

各ビンで使用されるピクセル範囲は次のとおりです。

Table[{Min@#, Max@#} &@(Take[orig, {#[[1]]}, {#[[2]]}] & /@ 
    Position[clus, n]), {n, 1, 6}]
-> {{0, 11}, {12, 30}, {31, 52}, {53, 85}, {86, 134}, {135, 241}}

および各ビンのピクセル数：

Table[Count[Flatten@clus, i], {i, 6}]
-> {8906, 4400, 4261, 2850, 1363, 720}

したがって、答えは「はい」であり、それは簡単です。

編集

おそらくこれは、新しい例で何が間違っているのかを理解するのに役立ちます。

カラー画像をクラスター化し、クラスター番号を使用して明るさを表すと、次のようになります。

これは、クラスターが明るさの昇順で番号付けされていないためです。

しかし、各クラスターの平均輝度値を計算し、それを使用してクラスター値を表すと、次のようになります。

私の前の例では、それは必要ありませんでしたが、それは運が良かったです：D（つまり、クラスターは明るさの昇順で見つかりました）

Answer 2

k-meansは問題に適用できます。私の場合、最初に決定木から借用した基本的なアプローチを試してみます（ただし、「より単純」は正確なクラスタリングアルゴリズムに依存します！）

1つのビンが存在すると仮定し、ピクセル強度をビンに詰め込み始めます。ビンが「十分にいっぱい」になったら、ビン（またはノード）の平均と標準偏差を計算します。標準偏差があるしきい値よりも大きい場合は、ノードを半分に分割します。すべての強度が完了するまでこのプロセスを続けると、より効率的なヒストグラムが得られます。

もちろん、この方法は追加の詳細で改善できます。

1. 分割基準として尖度を使用することを検討してください。
2. 歪度は、分割が発生する場所を判別するために使用される場合があります
3. デシジョンツリーの土地に完全に侵入し、Jiniインデックスを借りて分割をガイドする場合があります（一部の分割手法は、tテストなどのより「エキゾチックな」統計に依存しています）。
4. 最後に、最後の統合パスを実行して、人口がまばらなノードを折りたたむことができます。

もちろん、上記の「改善」をすべて適用した場合は、基本的にk-meansクラスタリングアルゴリズムの1つのバリエーションを実装したことになります;-)

注：上記のコメントには同意しません。説明する問題は、ヒストグラム均等化と密接に関連しているようには見えません。