一、前言
此示例说明如何使用 K 均值聚类自动分割颜色。
聚类是一种分离对象组的方法。K 均值聚类将每个对象视为在空间中有一个位置。它将对象划分为若干分区，使每个簇中的对象尽可能彼此靠近，并尽可能远离其他簇中的对象。您可以使用 函数将图像像素按值分成一个颜色空间内的若干个簇。此示例在 RGB 和 Lab 颜色空间中执行图像的 k 均值聚类，以显示使用不同颜色空间如何改进分割结果。
二、实现步骤
步骤 1：读取图像
在 中读取，这是一个带有苏木精和曙红染色组织 (H&E) 的图像。这种染色方法有助于病理学家区分染成蓝-紫色和粉红色的组织类型。
步骤 2：用 K 均值聚类对 RGB 颜色空间的颜色进行分类
在 RGB 颜色空间中使用 k 均值聚类将图像分割成三个区域。对于输入图像中的每个像素， 函数返回一个对应的簇标签。
将标注图像叠加显示在原始图像上。标注图像将白色、浅蓝-紫色和浅粉色区域组合在一起，这是不正确的。由于 RGB 颜色空间合并了每个通道（红、绿、蓝）内的亮度和颜色信息，因此两种不同颜色的较亮版本比这两种颜色的较暗版本更接近，也更难分割。
步骤 3：将图像从 RGB 颜色空间转换为 Lab 颜色空间
Lab* 颜色空间将图像的光度和颜色分开。这使得按颜色分割区域变得更加容易并且与亮度无关。颜色空间也更符合人类对图像中不同的白色、蓝-紫色和粉色区域的视觉感知。
Lab 颜色空间是从 CIE XYZ 三色值派生的。Lab 空间包含光度层 L、色度层 a（表示颜色落在沿红-绿轴的位置）和色度层 b（表示颜色落在沿蓝-黄轴的位置）。所有颜色信息都在 a 和 b* 层。
使用 函数将图像转换为 Lab* 颜色空间。
步骤 4：用 K 均值聚类对基于 ab 空间的颜色进行分类
要仅使用颜色信息分割图像，请将图像限制为 中的 a 和 b 值。将图像转换为 数据类型，以便于 函数使用。使用 函数将图像像素分成三个簇。将 名称-值参数的值设置为使用不同的初始簇质心位置重复聚类三次，以避免拟合局部最小值。
将标注图像叠加显示在原始图像上。新标注图像将白色、蓝紫色和粉色染色组织区域更清晰地区分开来。
步骤 5：创建按颜色分割 H&E 图像的图像
使用 ，您可以按颜色分离原始图像 中的对象，从而产生三个掩膜图像。
步骤 6：分割核
簇 3 中仅包含蓝色对象。请注意，有深蓝色和浅蓝色对象。您可以使用 Lab 颜色空间中的 L 层来分离深蓝色和浅蓝色。细胞核为深蓝色。
L* 层包含每个像素的亮度值。提取此簇中像素的亮度值，并使用 函数用全局阈值对其设置阈值。掩膜 给出了浅蓝色像素的索引。
复制蓝色对象的掩膜 ，然后从掩膜中删除浅蓝色像素。将新掩膜应用于原始图像并显示结果。只有深蓝色细胞核可见。
