matlabでk-meansクラスタリングを使って正確なクラスターを得るには

Question

私は植物病気の検出に関するプロジェクトを行っています。私は葉の画像から病気の部分を抽出する必要がありますが、k-meansを使って病気の部位を正確に分けることはできません。具体的には、葉の残りの部分は、病変部分がセグメント化された状態で画像上に見える。ここでoriginal imageimage after separating diseased parts

私はKクラスタリングを意味使用のみ病変領域を抽出する

b=imread('12.jpeg'); 
G=fspecial('gaussian',[200 250],1); 
Ig=imfilter(b,G,'same'); 
figure,imshow(Ig); 
conversionform = makecform('srgb2lab'); 
lab_img = applycform(Ig,conversionform); 
figure,imshow(lab_img); 
ab = double(lab_img(:,:,2:3)); 
nrows = size(ab,1); 
ncols = size(ab,2); 
ab = reshape(ab,nrows*ncols,2); 
nColors = 2; 
[cluster_idx, cluster_center] = kmeans(ab,nColors,'distance','sqEuclidean', ..., 
            'Replicates',3); 
pixel_labels = reshape(cluster_idx,nrows,ncols); 
figure, imshow(pixel_labels,[]), title('image labeled by cluster index'); 
segmented_images = cell(1,3); 
rgb_label = repmat(pixel_labels,[1 1 3]); 
for k = 1:nColors 
    color = lab_img; 
    color(rgb_label ~= k) = 0; 
    segmented_images{k} = color; 
end 
figure, imshow(segmented_images{1}), title('objects in cluster 1'); 
figure, imshow(segmented_images{2}), title('objects in cluster 2'); 
e=segmented_images{1}; 
figure,imshow(e); 
conversionform = makecform('lab2srgb'); 
new_image=applycform(e,conversionform); 
figure,imshow(new_image); 

を書かれているコードである：ここで病変部を抽出した後、元の画像との画像です。誰かが私にこれを手伝ってもらえれば幸いです。私はmatlab 2009aを使用しています。ここで

Answer 1

は、あなたが期待するものでしょう修正されたコードです：

function segmented_img = leaf_segmentation(original_img, nclusters) 

    original_img = im2double(original_img); 
    smoothed_img = imgaussfilt(original_img,1); 

    conversionform = makecform('srgb2lab'); 
    lab_img = applycform(smoothed_img,conversionform); 

    ab_img = lab_img(:,:,2:3); 
    [nrows,ncols,~] = size(ab_img); 
    ab_img = reshape(ab_img,nrows*ncols,2); 

    cluster_idx = kmeans(ab_img,nclusters,'distance','sqEuclidean','Replicates',3); 
    cluster_img = reshape(cluster_idx,nrows,ncols); 

    %figure, imagesc(cluster_img), title('Clustering results'); 

    segmented_img = cell(1,nclusters); 
    for k = 1:nclusters 
     segmented_img{k} = bsxfun(@times, original_img, cluster_img == k); 
    end 

end 

は、あなたはそれを呼び出すと、そのような結果可視化することができます：順序という

segmented = leaf_segmentation(original, 3); 

figure; 
subplot(1,3,1), imshow(segmented{1}), title('Cluster 1'); 
subplot(1,3,2), imshow(segmented{2}), title('Cluster 2'); 
subplot(1,3,3), imshow(segmented{3}), title('Cluster 3'); 

注意をクラスターの数は変化し得る。葉が大部分が緑色/黄色でなければならず、背景はほとんど黒色でなければならないという事実を知って、事後的に注文することができます。