基于K-MEANS聚类的胡萝卜纯色背景去除方法

所谓的聚类是指，将一个数据集中的某些方面相似的数据成员进行分类的过程，聚类就是一种发现这种内在结构的技术，聚类技术经常被称为无监督学习。k均值聚类是最著名的划分聚类算法，由于简洁和效率使得他成为所有聚类算法中最广泛使用的。给定一个数据点集合和需要的聚类数目k，k由用户指定，k均值算法根据某个距离函数反复把数据分入k个聚类中。

k均值算法描述

先随机选取K个对象作为初始的聚类中心。然后计算每个对象与各个种子聚类中心之间的距离，把每个对象分配给距离它最近的聚类中心。聚类中心以及分配给它们的对象就代表一个聚类。一旦全部对象都被分配了，每个聚类的聚类中心会根据聚类中现有的对象被重新计算。这个过程将不断重复直到满足某个终止条件。终止条件可以是以下任何一个：

1)没有（或最小数目）对象被重新分配给不同的聚类。

2)没有（或最小数目）聚类中心再发生变化。

3)误差平方和局部最小。

而基于K均值的胡萝卜图像的分类，则是利用分类的思想，将目标区与背景区分成两类，所以，在此处将 K 的值，设置为 2；因为，是根据灰度值进行划分，则误差设置为1作为终止条件；

算法具体实现代码如下所示：

　　上述代码，对图像的处理结果进行了校正，因为，K-Mean聚类，只是简单的将目标区与背景区进行分类，而不能明确的标记出目标区还是背景区，所以，根据经验，将灰度值均值较大的部分作为目标区；
而灰度值较小的部分标记为背景区；
以下为未校正图像与校正后图像的对比：





如上图所示：左侧图像为未做校正的处理效果，右侧图像为校正后的图像；
由于此方法只是简单的根据图像的灰度值对图像进行二值化，所以，很难对复杂背景的图像进行分割；相关的算法，在以后的学习中再进行完善与补充。