基于改进k-means算法的猕猴桃叶部病斑分割方法

为了提高植物病害图像的分割精度和分割效果,减弱经k-means算法RGB(Red Green Blue)颜色分量高度线性相关以及欧氏距离的尺度相关性对图像分割结果产生的影响,并克服RGB空间色彩分布不匀的缺陷,提出了一种基于Lab颜色空间的改进k-means的猕猴桃叶部病害图像分割方法。首先改变颜色空间,将RGB转换为Lab空间,由L、a、b3分量组合表示每个像素点。其次,将马氏距离代替欧氏距离进行改进,用改进后的k-means算法对图像进行聚类。利用该方法对三种猕猴桃病害图像进行测试,实验结果表明,本文算法可以有效地将猕猴桃病害图像中的病斑图像分割,分割准确率高,并具有较高的鲁棒性。