wurstsalat

Aaah - jetzt verstehen wir uns (nicht) ! Du hast schon recht, aber genau das will ich ja auch tun, ich will nach Farben clustern. Wie schon in dem oben gennanten Beispiel versucht habe zu erklaeren, wenn du in einem roten Anzug vor einer weissen Wand stehst dann will ich eine Selektion aller "roten" Pixel dem einen Cluster zugewiesen haben (label 0) und eine Selektion der anderen, "weissen" Pixel dem zweiten Cluster zugewiesen haben (label1). Dann will ich den Mittelwert der roten Pixel hernehmen und alle Pixel mit label 0 mit diesem Mittelwert ersetzten. Das Gleiche mit weiss. Am Ende ist also bei z.b. zwei Clustern ein Bild entstanden, dass nur zwei Farben hat und dich von der Wand differenziert.

Jeder Farbwert ist ein Punkt in 3D. Meine K Anzahl von zufallsgenerierten Zentren hat auch jeweils 3 (RGB) Koordinaten. Ich berechne den Unterschied zwischen jedem Pixel im Bild und den Zentren (euklidischer Abstand, norm() ) und markiere die Pixel entsprechend ihrer Zugehoerigkeit. Dann basierend auf den Durchschnittswert der Pixel rejustiere ich das neue Zentrum. D.h. ich berechne den Vektor zwischen zwei Punkten! Entweder verstehe ich dich ueberhaupt nicht oder umgekehrt?

Danke fuer die Antwort. Ich versuche mal zu erklaeren, tut mir leid aber mein Deutsch ist ein wenig eingerostet - Ich bin mir bewusst, dass es bessere Methoden gibt, es geht hier um das Prinzip bzw. eine Uebung fuer einen Test. Ich kannte den Neural Gas Algorithmus allerdings noch nicht, sehr interessant. Ich verstehe nicht 100% was du mit dem Vektoren/Matrizten Kommentar gemeint hast aber ich glaube ich habe das jetzt richtig gemacht, siehe unten? Der Code waehlt k zufaellig generierte RGB Centroid-Farbwerte aus, scannt das Bild nach aehnlichen Farbwerten und gibt den Werten die dem jeweiligen Centroid-Wert am naechsten liegen ein label, dann wir der entsprechende Centroid neu justiert und auf den Mittelwert der mit ihm zusammenhaengenden Farbwerte gestellt. Dann geht es wieder von vorne los. Somit kann man Objekte in einem Bild erkennen wenn diese farblich von Hintergruenden oder anderen Objekten trennbar sind. Dies funktoiniert natuerlich nur sinnvoll wenn die Anzahl der Zentren gut gewaehlt ist (das ist nochmla ein aderes Thema), aber mal angenommen du und dein bester Freund stehen in einem blauen und roten Anzug vor einer weissen wand, dann sollte ich hier am Ende ein neues Bild rausbekommen was mir mit drei Farbwerten (jeweils der Mittelwert von dem blaune, roten und weissen bereich) die Objekte darstellt. Leider habe ich noch immer das Problem, dass ich die Farbwerte nicht rauskriege, sondern scheinbar nur wieder das Gleiche bild. Ich verstehe irgendetwas noch nicht, kannst du vielleicht mal unabhaengig davon ob du mit dem algorithmus einverstanden bist probieren zu erklaeren warum ich das nicht herauskriege? Waere sehr toll, vielen Dank! function [newI] = kmeans(I, K) [Iheight, Iwidth, bits] = size(I); Ilength = Iheight * Iwidth; I = reshape(I,[],3); I = im2double(I); label = zeros(Iheight * Iwidth, 1); %create k amount of random absolute RGB values for Ktemp Ktemp = rand(K,3) * 255; Kcompare = 0; while Kcompare ~= Ktemp Kcompare = Ktemp; %cycle through each RGB value in image for n = 1 : Ilength min = inf; %cycle through each centroid for i = 1 : K %measure eucledian distance between centroid and RGB value distance = norm(Ktemp(K, - I(n,); %if distance is less than minimum assign current centroid if distance < min min = distance; label(n) = K; end end end % ==> each RGB value in I has a label now %cycle through K's for i = 1 : K %set count and Ktemp to 0 count = 0; Ktemp = zeros(K,3); %go through each row and add up values for current K for n = 1 : 1 : Ilength if label(n) == K count = count + 1; Ktemp(i, = Ktemp(i, + I(n,; end end Ktemp = Ktemp / count; end end newI = reshape(I, Iwidth, Iheight, 3); [/code]

was ist ein Neural Gas ? Der Kmeans Hilfe bin ihc mir natuerlich bewusst, aber ich komme trotzdem nicht weiter. Zumal ich ja meinen eigenen schreiben will und nicht den schon implementierten benutzten will. Mein Problem scheint zu sein, dass es zum einen selbst bei einem Bild von 50x50 pixeln ziemlich lange (eine minute) dauert um am Ende des Algorithmuses anzukommen und ausserdem scheine ich immer nur Label Nummer 1 zuzuweisen, anstatt durch die K's durch zu gehen.

Hallo, ich versuche gerade einen K-Means Algorithmus selber zu schreiben. Ich mache das gerade in Matlab aber im Prinzip denke ich ist die Syntax erstmal egal - ich komme leider nicht voran. Zwei Probleme die ich scheinbar habe sind: - Ich lande immer in einem endlos-loop wenn ich zu dem norm() kommando komme, welches mir in einachen tests die euclidische distanz zwischen den beiden momentanen vektoren liefern soll - Leider bin ich mir auch noch immer unsicher wie ich denn am Ende den neuen Mittelwert wieder nach oben schicken kann und ob ich das alles richtig mache. Im Prinzip schwimme ich noch ein wenig und trotz viel Nachlesen komme ich nicht voran. Kann mir irgendwer auf die Spruenge helfen bitte?? --- function [label, newI] = kmeans(I, K) [Iheight, Iwidth, bits] = size(I) Ilength = Iheight * Iwidth I = reshape(I,[],3); I = im2double(I); Label = zeros(Iheight * Iwidth, 1); %create random absolute RGB values for Ktemp Ktemp = rand(1,3) * 255 Kcompare = 0 while Kcompare ~= Ktemp Kcompare = Ktemp %cycle through each RGB value in image for n = 1 : Ilength min = inf; %cycle through each centroid for i = 1 : K %measure eucledian distance between centroid and RGB value distance = norm(Ktemp - I(n,); %if distance is less than minimum assign current centroid if distance < min; min = distance; label(n) = K; end end end % ==> each RGB value in I has a label now %cycle through K's for i = 1 : K %set count and Ktemp to 0 count = 0 Ktemp = [0,0,0] %go through each row and add up values for current K for n = 1 : 1 : Ilength if label(n) == K count = count + 1 ktemp = ktemp + I(n, end end Ktemp = Ktemp / count end end newI = reshape(l, Iwidth, Iheight); --[/code]