图像量化法——kmeans算法

总述

它认为一群离散的点，可以用若干个具有代表性的点来表示，这几个具有代表性的点被称为基准点。针对于这群离散的点中的任意一点找出与其距离最近的基准点，那么该点就可以用这个最近的基准点表示。那么用这个基准点表示的离散的点就组成了一个集合，这样的集合被称为聚类，因此可知有多少个基准点就有多少个聚类。该算法可以把杂乱无章的点分成若干个类别，即，把数量庞大的信息，转换成可以有效控制的信息。

效果

原图

k=2.png

k=4.png

k=8.png

k=16.png

k=32.png

k=64.png

该算法的关键点

在于基准点的选取，这里采用的是在已有的数据中随机选择k个点作为基准点。具体为图像的数据是一个数组，你可以随机选择数组中某个元素，直到不重复的基准点的数量达到k为止。但是因为是随机选取所以最后得到的结果是不稳定的，可是比较快。
该方法的意义在于能够体现kmeans算法的基本思想而已。
关于基准点的选取网上有很多方法介绍，不过感觉想明白，还是需要一点功力的。

相似程度具体是啥

其实就是某点与某基准点的欧几里得距离，欧几里得距离的特殊情况就是两点间距离公式了。最相似就是说这两点的欧几里得距离最短。

大致过程

遍历整个图像的原始数据，找出与某点最相似的基准点，然后把基准点的数据赋值给该点，直到所有原始数据遍历完毕为止。
最后再用更改过后的数据生成新的图像。

源代码

这是用Objective-C编写，用XCode运行的iOS工程，点此下载。

多谢捧场

如果您觉得我的文章有价值，那么赏脸打赏一个，鄙人感激不尽。不过，不打赏看看也是好的，如果有不对的地方，还请您多多指正。