【机器视觉】机器视觉实验二——图像分割基于颜色特征&基于纹理特征

一、实验内容

实验内容包含要进行什么实验，实验的目的是什么，实验用到的算法及其原理的简单介绍。

a) (5分) 给定一个h * w d的矩阵featim，其中h和w为原始图像的高度和宽度，d表示图像中每一个像素点所提取的特征向量的维数。给定一个有k个聚类中心点的矩阵meanFeatures(矩阵维度是kd)，其中每个中心点都是一个d维的行向量（矩阵的一行），将输入图片中的每个像素映射到其所归属的k-means某一个中心点去。函数的返回值定义为labelim，labelim是一个h*w的整数矩阵，用来表明每一个像素所属的聚类中心标号(1…k)。请使用如下的函数形式进行编程：

function [labelIm] = quantizeFeats (featIm, meanFeats)

b) (5分) 给定一个长度为n且包含n个灰度值图像的元胞数组imStack，以及滤波器组bank，基于所有n个图片的过滤响应样本计算一个纹理基元编码集（如一组量化的滤波器组响应）。注意，元胞数组的特点是数组中的每个元素可以存储不同大小的矩阵，所以允许每张图片有不同的宽和高。请使用如下形式的函数进行编程：

  function [textons] = createTextons(imStack, bank, k)

其中bank是一个包含d个滤波器的mmd矩阵，每个滤波器的大小为mm，textons是一个kd的矩阵，其中每一行代表一个纹理特征&#x