这段代码实现了“k-means”“mean-shift”和“normalize -cut”分割之间的比较
测试方法有:
Kmeans只使用(颜色)分割
Kmeans分割使用(颜色+空间)
只使用(颜色)Mean Shift分割
Mean Shift分割使用(颜色+空间)
标准化切割(固有地使用空间数据)
kmeans参数为“K”,即集群编号
meanshift参数为“bw”,即Mean Shift Bandwidth
ncut参数为“SI”颜色相似度,“SX”空间相似度,“r”空间阈值(距离小于r个像素),“sNcut”保持分区的最小ncut值(阈值),“sArea”可接受作为段的最小面积(阈值)
“Naotoshi Seo”的一个实现,做了一点修改,用于“归一化切割”分割,可在线访问:http://note.sonots.com/SciSoftware/NcutImageSegmentation.html”。它在选择参数时很敏感。
“Bryan Feldman”的实现用于“mean-shift聚类”
引用作为
Alireza(2023)。K-means, mean-shift和归一化分割(//www.tianjin-qmedu.com/matlabcentral/fileexchange/52698-k-means-mean-shift-and-normalized-cut-segmentation), MATLAB中央文件交换。检索.
MATLAB版本兼容性
使用R2011a创建
与任何版本兼容
平台的兼容性
窗户 macOS Linux标签
版本 | 发表 | 发布说明 | |
---|---|---|---|
1.0.0.0 | 新增外汇提交 |