K-Means plus plus实现

Question

我的分数是获得图像中最频繁的颜色，所以我实现了一个k-means算法。算法运行良好，但结果并不是我所等待的结果。所以现在我正在尝试做一些改进，我首先想到的是实现k-means++，这样我就可以得到一个更好的初始聚类中心的位置。

首先我选择一个随机点，但是如何选择其他点呢？我的意思是我如何定义它们之间的最小距离。

对此有什么帮助吗？谢谢

Answer 1

您可以使用矢量量化。您可以在x+1和y+1方向上列出每个像素和每个相邻像素，然后选择差异并沿对角线绘制它。然后，您可以计算voronoi图，获得平均颜色并计算特征向量。