提升K-Means在颜色量化中的性能
摘要：颜色量化是图形和图像处理中的一项重要操作，具有许多应用。大多数量化方法基本上是基于数据聚类算法。然而，尽管k-means作为一种通用的聚类算法很受欢迎，但在颜色量化的文献中却没有受到很高的重视，因为它需要高计算量且对初始化非常敏感。本文中，我们研究了k-means作为颜色量化器的性能。我们实现了快速和精确的k-means变体，并使用多种初始化方案将得到的量化器与文献中一些最受欢迎的量化器进行对比。对各种不同的图像进行实验表明，一个高效的k-means实现配合适当的初始化策略实际上可以作为一个非常有效的颜色量化器。
作者：M. Emre Celebi
论文ID：1101.0395
分类：Graphics
分类简称：cs.GR
提交时间：2011-01-04