Skip to content

M4ti5/ColorClustering-CORE

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

19 Commits
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Repository files navigation

ColorClustering - CORE

Programme permettant de réduire le nombre de couleurs d'une image par clustering des couleurs présente sur celle-ci.

Version graphique : ici

Algorithme de Clustering

K-means

K-means est une méthode permettant de calculer la valeur moyenne (mean) d'un ensemble de points qui est le plus proche de notre point K (d'où K-means). À chaque itération nous affinons la valeur en cherchant à nouveau les points les plus proches de notre point K. Les distances implémentées sont :

  • Distance Euclidienne:
    formule distance euclidienne
  • Distance de Manhattan:
    formule distance Manhattan

DBScan

DBScan est une méthode permettant de calculer la valeur moyenne d'un ensemble de points. Pour créer un ressemble, le critère de fusion est la distance entre deux points. Si elle est inférieure ou égale à la valeur définit le point rejoint le groupe. À la fin, quand tous les points se sont tester les uns et autres, nous pouvons passer à la dernière étape qui est la séparation des ensembles trop petits.

Exemple de Réduction

Image Originale

Grogu Original

Image K-means : 8 Couleurs | 5 Itérations Euclidien

Grogu Euclidien

Image K-means : 8 Couleurs | 5 Itérations Manhattan

Grogu Manhattan

Image DBScan : 3 Taille minimal | 5 Distance maximale

Grogu DBScan

Benchmarks (à venir)

About

No description, website, or topics provided.

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published

Languages