MatLab: рисунок центроидами

Question

Мой главный вопрос дан объект центроид, как я могу нарисовать его в MatLab?

Более подробно, у меня есть NxNx3 изображение (изображение RGB) из которых я беру 4x4 блокирует и вычислять 6-Меновальный вектор функции для каждого блока. Хранив эти векторы функции в Mx6 Матрица, на которой я бегу kmeans функция и получить центроиды в kx6 Матрица, где k это количество кластеров и 6 Количество функций для каждого блока.

Как я могу нарисовать эти центральные кластеры в моем изображении, чтобы визуализировать, если алгоритм выполняет то, как я хочу, чтобы это выполнить? Или если у кого-то есть какие-либо другие способы / предложения о том, как я могу визуализировать центроиды на моем изображении, я бы очень ценю.

Answer 1

Вот так, как вы можете визуализировать кластеры:

Как вы описали, сначала я извлекаю блоки, вычисляйте вектор функции для каждого, а кластер это функции матрицы.

Далее мы можем визуализировать кластеры, назначенные каждому блок. Обратите внимание, что я предполагаю, что 4x4 блоки отличаются, это важно, чтобы мы могли сопоставить блоки к их расположению обратно в исходное изображение.

Наконец, для того, чтобы отобразить центроиды кластера на изображении, я просто нахожу ближайший блок к каждому кластеру и отобразить его как представителя этого кластера.

Вот полный пример, чтобы показать вышеуказанную идею (в вашем случае, вы захотите заменить функцию, которая вычисляет функции каждого блока по своей собственной реализации; я просто принимаю Min / Max / Median / q1 / q3 как Мой объект вектор для каждого блока 4x4):

%# params
NUM_CLUSTERS = 3;
BLOCK_SIZE = 4;
featureFunc = @(X) [min(X); max(X); mean(X); prctile(X, [25 50 75])];

%# read image
I = imread('peppers.png');
I = double( rgb2gray(I) );

%# extract blocks as column
J = im2col(I, [BLOCK_SIZE BLOCK_SIZE], 'distinct');  %# 16-by-NumBlocks

%# compute features for each block
JJ = featureFunc(J)';                                %'# NumBlocks-by-6

%# cluster blocks according to the features extracted
[clustIDX, ~, ~, Dist] = kmeans(JJ, NUM_CLUSTERS);

%# display the cluster index assigned for each block as an image
cc = reshape(clustIDX, ceil(size(I)/BLOCK_SIZE));
RGB = label2rgb(cc);
imshow(RGB), hold on

%# find and display the closest block to each cluster
[~,idx] = min(Dist);
[r c] = ind2sub(ceil(size(I)/BLOCK_SIZE), idx);
for i=1:NUM_CLUSTERS
    text(c(i)+2, r(i), num2str(i), 'fontsize',20)
end
plot(c, r, 'k.', 'markersize',30)
legend('Centroids')

Answer 2

Центроиды не соответствуют координатам на изображении, а координаты в пространстве объектов. Есть два способа, которые вы можете проверить, насколько хорошо проведены KMANS. Для обоих способов вы хотите, чтобы кулак связывал очки со своим ближайшим кластером. Вы получаете эту информацию с первого выхода KMAIANS.

(1) Вы можете визуализировать результат кластеризации путем уменьшения 6-мерного пространства до 2 или 3-мерного пространства, а затем построение по-разному классифицированных координат в разных цветах.

Предполагая, что векторы функций собираются в массиве вызываемых featureArray, и что вы просили nClusters кластеры, вы бы сделали сюжет следующим образом, используя MDSCALE. Чтобы преобразовать данные, скажем, 3D пространство:

%# kmeans clustering
[idx,centroids6D] = kmeans(featureArray,nClusters);
%# find the dissimilarity between features in the array for mdscale.
%# Add the cluster centroids to the points, so that they get transformed by mdscale as well.
%# I assume that you use Euclidean distance. 
dissimilarities = pdist([featureArray;centroids6D]);
%# transform onto 3D space
transformedCoords = mdscale(dissimilarities,3);
%# create colormap with nClusters colors
cmap = hsv(nClusters);
%# loop to plot
figure
hold on,
for c = 1:nClusters
    %# plot the coordinates
    currentIdx = find(idx==c);
    plot3(transformedCoords(currentIdx,1),transformedCoords(currentIdx,2),...
        transformedCoords(currentIdx,3),'.','Color',cmap(c,:));
    %# plot the cluster centroid with a black-edged square
    plot3(transformedCoords(1:end-nClusters+c,1),transformedCoords(1:end-nClusters+c,2),...
        transformedCoords(1:end-nClusters+c,3),'s','MarkerFaceColor',cmap(c,:),...
        MarkerEdgeColor','k');
end

(2) Вы можете, альтернативно, создать псевдо цветное изображение, которое показывает, какая часть изображения принадлежит к какому кластеру

Предполагая, что у вас есть nRows к nCols Блоки, вы пишете

%# kmeans clustering
[idx,centroids6D] = kmeans(featureArray,nClusters);
%# create image
img = reshape(idx,nRows,nCols);
%# create colormap
cmap = hsv(nClusters);

%# show the image and color according to clusters
figure
imshow(img,[])
colormap(cmap)