张曼丽

摘要：“智者观物，固非以一物视之，别之以类，格而致知，推而及其他者也”这是人类及千年来认识世界和社会的基本能力，也是当今大数据中发现价值必须面对的一个基本问题即聚类问题。无论是在政治、文化还是在数理、化工方面无不借助于聚类分析的结果，聚类分析还有一个非常具有实用价值的方向即在图像色彩聚类中的应用。本论文就以K-means聚类分析方法为例来具体说明聚类方法在图像色彩聚类中的应用。

关键词：K-means聚类方法 图像色彩聚类

当今时代是大数据当道的时代，可以說大数据是作为网络时代的支撑和客观存在，也是我们当今网络时代人类社会的重要资产，很多东西的背后都是数字，包括我们今天说的图像色彩聚类，背后也是矩阵的操作。图像作为人类生活中不可缺少的一部分，它是人类获取和交换信息的主要来源，图像处理的应用在人类活动范围内不断地扩大。近年来基于聚类方法应用下的图像处理在医学图像上也非常广泛。K-means聚类算法作为无监督聚类方法的经典，它具有强大的搜索力，该算法的主要思想是，它用一个聚类的中心来代表一个簇，试图寻找k个族群的划分方法，使得划分后族群内方差最小的一种聚类方法。

1 K-Means均值聚类算法

麦克奎因于1967年提出了K-均值法，这种聚类的思想是把每个样品聚集到其最近的形心（均值）类中。即试图寻找k个族群的划分方法，使得划分后族群内方差最小，其中组内方差的定义为：