imsegkmeans3

k-평균 군집화 기반 볼륨 분할

페이지 내 모두 축소

구문

L = imsegkmeans3(V,k)
[L,centers] = imsegkmeans3(V,k)
L = imsegkmeans3(V,k,Name=Value)

설명

L = imsegkmeans3(V,k)는 k-평균 군집화를 수행하여 볼륨 V를 k개의 군집으로 분할하고, 이렇게 분할한 레이블이 지정된 출력을 L로 반환합니다.

예제

[L,centers] = imsegkmeans3(V,k)는 군집 중심 위치 centers도 반환합니다.

L = imsegkmeans3(V,k,Name=Value)는 k-평균 군집화 알고리즘의 특성을 제어하기 위해 이름-값 인수를 사용합니다.

예제

모두 축소

라이브 스크립트 열기

3차원 회색조 MRI 볼륨을 불러온 다음 volshow를 사용하여 표시합니다.

load mristack
volshow(mristack);

볼륨을 3개의 군집으로 분할합니다.

L = imsegkmeans3(mristack,3);

volshow를 사용하여 분할된 볼륨을 표시합니다. 분할된 볼륨의 슬라이스를 살펴보려면 볼륨 뷰어 앱을 사용하십시오. 

figure
volshow(L);

입력 인수

모두 축소

분할할 볼륨으로, 크기가 m×n×p인 3차원 회색조 볼륨 또는 크기가 m×n×p×c인 3차원 다중분광 볼륨으로 지정됩니다. 여기서 p는 평면의 개수이고 c는 채널의 개수입니다.

참고

imsegkmeans3은 2차원 컬러 영상을 크기가 m×n×3인 3차원 볼륨처럼 취급합니다. 2차원 동작을 원하면 imsegkmeans 함수를 사용하십시오.

데이터형: single | int8 | int16 | uint8 | uint16

생성할 군집의 개수로, 양의 정수로 지정됩니다.

이름-값 인수

모두 축소

선택적 인수 쌍을 Name1=Value1,...,NameN=ValueN으로 지정합니다. 여기서 Name은 인수 이름이고 Value는 대응값입니다. 이름-값 인수는 다른 인수 뒤에 와야 하지만, 인수 쌍의 순서는 상관없습니다.

예: L = imsegkmeans3(I,k,NumAttempts=5)는 군집화 과정을 5번 반복합니다.

R2021a 이전 릴리스에서는 쉼표를 사용하여 각 이름과 값을 구분하고 Name을 따옴표로 묶으십시오.

예: L = imsegkmeans3(I,k,"NumAttempts",5)

입력 데이터를 평균 0과 단위 분산을 갖도록 정규화합니다. 숫자형 또는 논리형 1(true) 또는 0(false)으로 지정됩니다. true를 지정할 경우 imsegkmeans3은 입력값의 각 채널을 개별적으로 정규화합니다.

새 초기 군집 중심 위치를 사용하여 군집화 과정을 반복할 횟수로, 양의 정수로 지정됩니다.

최대 반복 횟수로, 양의 정수로 지정됩니다.

정확도 임계값으로, 양수로 지정됩니다. 연속적인 반복에서 각 군집 중심이 임계값보다 적게 이동하면 이 알고리즘은 중지합니다.

출력 인수

모두 축소

레이블 행렬로, 양의 정수로 구성된 행렬로 지정됩니다. 레이블 1이 지정된 픽셀은 첫 번째 군집에, 레이블 2 픽셀은 두 번째 군집에 속하는 식으로 k개의 군집 각각에 대해 분류됩니다. L은 볼륨 V와 처음 3개 차원이 같습니다. L의 클래스는 군집 수에 따라 다릅니다.

L의 데이터형군집 개수
uint8k <= 255
uint16256 <= k <= 65535
uint3265536 <= k <= 2^32-1
double2^32 <= k

군집 중심 위치이며, k×c 크기의 숫자형 행렬로 반환됩니다. 여기서 k는 군집의 개수, c는 채널의 개수입니다. centers는 영상 I와 동일한 클래스를 가집니다.

팁

  • 이 함수는 재현 가능한 결과를 제공합니다. 여러 번 실행해도 입력 인수가 같으면 출력값은 바뀌지 않습니다.

참고 문헌

[1] Arthur, David, and Sergei Vassilvitskii. “K-Means++: The Advantages of Careful Seeding.” In Proceedings of the Eighteenth Annual ACM-SIAM Symposium on Discrete Algorithms, 1027–35. SODA ’07. USA: Society for Industrial and Applied Mathematics, 2007.

버전 내역

R2018b에 개발됨

참고 항목

앱

함수