Image segmentation using k-means clustering

Image segmentation using k-means clustering

image를 segmentation하기 위해서 K-means clustering을 사용할 수 있다. K는 구별되는 cluster의 개수이고, unsupervised learning으로 K개의 cluster를 구하는 방법이다. 이미지에서 pixel intensity가 feature가 되며 하나의 pixel은 다음과 같이 표현한다.

Pixel과 pixel사이의 distance를 계산하는 것은 L2 norm을 사용한다.

K means clustering의 순서

1. K개의 randomly selected cluster centroids를 찾는다.

2. 각 pixel의 feature vector를 사용해서 1번에서 결정된 centroid와의 distance를 계산하고 가장 작은 distance를 갖는 centroid의 cluster를 tag한다.

3. 새로운 centroids는 cluster된 데이터의 평균값으로 결정된다.

4. Centroids가 변경되지 않을때 까지 step 2와 3을 반복한다.

K-means clustering을 사용한 결과 object와 background가 나눠지는 것을 확인할 수 있었다.

이외에 Watershed's method, Otsu's method 방법을 사용해서 image segmentation을 할 수 있다.