Image 基于Kmean聚类的图像分割

以下kmeans集群之间有什么区别吗

a） 将图像转换为灰度并对1D特征向量执行kmeans

b） 保留3个通道RGB，并对3D特征向量执行kmeans

c） 获取图像直方图并对分布执行kmeans

第一个解决方案肯定更快，但会有区别吗？可能某些像素具有不同的RGB，但具有相同的强度？

1）从RGB转换为灰度通常不是通过简单地平均值来完成的（请参阅）。如果使用这种不寻常的方式进行，即使K-means中使用的欧几里德距离也会为您的案例（a）和（b）提供不同的距离，从而产生不同的聚类，正如您所提到的[edit]。但是，由于灰度值是加权和（权重不同于1/3），因此RGB之间的欧几里德距离不同于灰度值的差值-因此它们是不同的

2） 我不完全清楚你的（c），但对分布执行k-means是很奇怪的。你的意思是使用K-均值作为模型来拟合分布，以便识别直方图中的峰值和谷值吗？如果是这样的话，它只是案例（a）本身的一个微小变化。它们可能非常相似（不确定它们是否相同，可能是！），如果你将案例（c）视为案例（a）的重写，将所有相同的项组合在平方误差的总和中，并将其重写为乘数乘以差值。[如：x1+x2+x1+x3被写为2x1+x2+x3]