为图像编写相似度函数以聚类数据 [英] writing a similarity function for images for clustering data

问题描述

我知道如何为欧几里德空间中的数据点编写相似函数（通过采用负最小平方误差。）现在，如果我想检查图像上的聚类算法，我如何为图像中的数据点编写相似函数？我是基于它们的RGB值还是什么？以及如何？

I know how to write a similarity function for data points in euclidean space (by taking the negative min sqaured error.) Now if I want to check my clustering algorithms on images how can I write a similarity function for data points in images? Do I base it on their RGB values or what? and how?

推荐答案

我认为我们需要更好地澄清一些观点：

I think we need to clarify better some points:

1. 您是否仅按颜色进行聚类？因此，为像素取RGB值并应用您的度量函数（最小化平方误差之和，或者只计算SAD - 绝对差值之和）。


2. 您是否在空间基础上进行聚类（在一个图像）？在这种情况下，您应该按照您为欧几里德空间指定的位置来处理位置，只需将图像视为样本的域。无论如何，这是一个2D空间......如果您也考虑颜色信息，请参阅3D（参见下文）。


3. 您是否在寻找图像中的3D信息？ （2D位置+ 1D颜色）这是最可能的情况。如果您的图像显示常规或定义良好的形状，请考虑分割技术，作为第一种方法如果它失败了，或者你想要一个较少手动调整的算法，可以考虑通过对数据进行PCA来将信息的3D空间减少到2D甚至1D。通过分析主要组件，您可以从您的集合中删除无用信息和/或以某种方式利用内部数据结构。

参数将需要的不仅仅是要解决的帖子，但我希望这有点帮助。

The argument would need much more than a post to be solved, but I hope this could help a bit.

这篇关于为图像编写相似度函数以聚类数据的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！