李栋+刘萌萌+郭莎

摘要：图像分割是图像处理中一种重要的图像分析技术。对灰度图像的分割，处理图像的亮度分量又是图像分割的基本方法。图像分割方法对区域的目标检测和模式识别有重要的意义。K_means算法是基于元素距离中心点的大小作为相似性度量的聚类算法。该文通过参数统计直方图来预估中心点k值的个数，并根据直方图峰值的位置来确定聚类中心的位置。该方法的初始聚类中心值与实际中心值相差不多，因此，大大减少了迭代次数，计算量更少。结果表明，改进K_Means聚类算法提高了图像分割的效率，降低了K_means算法的时间复杂度和空间复杂度。

关键词：K_means；聚类算法；图像分割；数据挖掘；图像处理

中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2016）08-0166-03

1 概述

根据图像处理方法和抽象程度的不同，图像技术可以分为图像理解、图像分析和图像处理三个层次，这三个层次的结合也称为图像工程。其中，最基本的操作是图像处理，主要进行的操作是在像素级上的。图像处理中比较有代表性的技术包括图像降噪、图像分割和图像编码。在图像处理中，图像分割是一种关键的技术，是图像理解和图像分析的基础。图像分割技术在图像理论中一直是发展的瓶颈之一。图像分割的应用非常广，比如对图像中目标的提取和测量都需要图像分割。图像分割是图像处理、模式识别和人工智能等多个领域中一个十分重要且又十分困难的问题。后续任务的有效性直接取决于图像分割的准确性。……