基于 K-means 的图像分割算法的实现和遥感图像应用，说实话，挺实用的一份资源。尤其是你要搞图像或者数据挖掘相关的项目，这套资料可以省不少试错时间。

HSV 颜色空间的图像分割，更贴近人眼的感知方式，用 K-means 跑出来的效果会比 RGB 好不少。你能感觉到边界清晰，物体轮廓也分得挺干净。虽然算法本身有点局限——只能局部最优，结果也容易受初始化影响，但对于日常项目已经蛮够用了。

K-means 聚类算法就不用多说了，老牌选手。实现简单，效果也还不错。作者还用 Python 和 C++写了代码，RGB 和 HSV 两个颜色空间下都做了。如果你平时用 Matlab，也有配套资源，直接跑。

应用到遥感图像里挺有意思，能比较好地保留地物边界。比如植被、建筑、道路这种，分得还蛮准确。如果你做的是环境监测、地理数据相关，这部分值得一看。

你可以搭配着这些资源一起用：

如果你打算自己动手复现，可以先从 HSV 空间下的 K-means 开始，结果更稳，调参也方便。

哦对了，初学者注意一下聚类中心的初始化方式，最好别全靠随机。可以用 K-means++试试，稳定性好多。