k-means Clustering < Computergraphik < Praktische Inform. < Hochschule < Informatik < Vorhilfe
|
| Status: |
(Frage) beantwortet  | | Datum: | 20:41 Sa 17.02.2007 | | Autor: | Bastiane |
Hallo!
Folgendes habe ich als Erklärung des k-means Clustering:
"Eines der bekanntesten Verfahren ist das k-means clustering. Dieses Verfahren bestimmt eine vorgegebene Anzahl k von Clustern, indem es iterativ die Datenpunkte dem nächsten der k Clustermittelpunkte zuordnet und anschließend diese Mittelpunkte neu berechnet."
Habe ich das richtig verstanden, dass ein "Mittelpunkt" die mittlere Helligkeit ist und das jeder Pixel dem Cluster zugeordnet wird, dessen mittlere Helligkeit seiner Helligkeit am besten entspricht?
Habe ein bisschen gegoogelt und da steht viel über Abstände, aber das sind doch hier keine Abstände im Sinne von der Länge, oder?
Ich habe mir das jetzt so gedacht, wenn ich beispielsweise zwei Cluster haben will, eins davon hat anfangs ein weißes und das andere ein schwarzes Pixel, das sind also die "Mittelpunkte". Wenn ich nun ein graues Pixel betrachte, dann wird geguckt, ob es eher hell ist, dann wird es dem weißen Cluster zugeordnet, oder ob es eher dunkel ist, dann wird es dem schwarzen Cluster zugeordnet. Wenn es dann beispielsweise dem weißen Cluster zugeordnet wird, dann ist der neue Mittelpunkt nicht mehr weiß sondern ein helles grau, eben das Mittel zwischen weiß und dem gerade hinzugefügten Pixel.
Ist das so richtig?
Viele Grüße
Bastiane
![[cap]](/images/smileys/cap.gif "[cap]")
|
|
| |
|
Hallo,
ich muss zugeben, dass ich k-means nicht in Verbindung mit Computergraphik kennengelernt habe, aber ich könnte mir vorstellen, dass man es z.B. nutzen könnte, um die Anzahl der Grautöne in einem Bild zu verringern.
> das sind doch hier keine Abstände im Sinne von der Länge, oder?
Nein. Man würde hier einfach eine Farbskala von 0 bis 1 (oder 0 bis 255 o.ä.) aufzeichnen, alle vorkommenden Grauwerte einzeichnen und dann mit k Initialmittelwerten anfangen. Dann könnte man iterativ die Grauwerte den ähnlichsten "Mittelgrauwerten" zuordnen und diese dann neu berechnen.
Hier muss man also vorher die Längendefinition festlegen. Der Abstand der Pixel würde hier ohne weiteres keinen Sinn machen, weil man ja meistens (in der Musterklassifikation) verstreute Datenpunkte vorliegen hat und kein vollbesetztes Raster.
> Habe ich das richtig verstanden, dass ein "Mittelpunkt" die mittlere Helligkeit ist und das jeder Pixel dem Cluster zugeordnet wird, dessen mittlere Helligkeit seiner Helligkeit am besten entspricht?
Genau. Wenn man vom "Helligkeitsabstand" ausgeht, was hier am meisten Sinn macht.
Gruß
Martin
|
|
|
|
