《表3 图5中原图和DPC图像颜色种类分析》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于颜色量化和密度峰聚类的彩色图像分割》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

K均值聚类是彩色图像分割最常用的算法，因此实验将随机K均值聚类结果和DPC聚类结果进行对比。K均值算法存在着聚类中心数目需要人工指定和对初始聚类中心敏感的问题。为了使K均值聚类取得较好效果，聚类中心数目均根据人眼感知到的颜色种类来确定，聚类中心的初始值则随机生成。由图5(b）的实验结果可知，随机初始化的K均值聚类算法在进行色彩分割时，算法的图像分割性能并不稳定，很大程度上依赖于初始聚类中心的初始化好坏。图5(b）中除了第三和第四幅图获得了较为满意的彩色图像分割效果外，其余图像都存在着聚类中心偏移的问题。K均值算法虽然有时能获得理想的彩色分割效果，但需要人工指定聚类中心数目且算法的性能不稳定。图5(c）是使用本文方法的图像分割聚类结果，首先利用最小色差颜色量化算法对图像进行量化，再对量化后的图像进行DPC聚类分析。实验结果显示，改进后DPC聚类算法能自动确定聚类中心数目，且具有稳定的彩色图像分割性能，不存在对初始聚类中心敏感的问题。表3是对图5中原图和DPC分割图像的颜色种类统计，DPC分割图像的颜色种类与人眼感知的颜色种类一致，说明本文算法能有效减少图像的颜色种类，从而减少地毯制造过程中所需的纱线颜色种类。