Renkli Görüntülerde Ağırlıklı K-Means Yöntemi ile Renk Topaklama Songül Albayrak, M.Yahya Karslıgil Yıldız Teknik Üniversitesi Elektrik Elektronik Fakültesi, Bilgisayar Müh. Bölümü İstanbul,Türkiye {songul,yahya}@ce.yildiz.edu.tr Özetçe 3-B renk uzayında mesafeye bağlı bir sınıflama yöntemi olan K-Means algoritması uygulamaya yönelik olarak değiştirilmiş ve bu yönteme Ağırlıklı K-Means algoritması adı verilmiştir. Bu algoritmada her renk sınıfının merkezi, histogram bilgisinden de yararlanılarak ağırlıklı ortalama renk olarak hesaplanmıştır. Bu yolla renk sınıfları oluşturulurken sık kullanılan renkler baskın, az kullanılan renkler çekinik özellik gösterdiğinden sonuçta elde edilen renk sınıfları ile resim tekrar oluşturulduğunda orijinal görüntüye daha benzer görüntüler elde edilmiştir. Bu çalışmada 3-B renk uzayı olarak RGB ve CIE Lab renk uzayları kullanılmıştır. 1 Giriş Örüntü vektöründe bulunan özelliklerin indirgenerek önemli özelliklerin belirlenmesi (feature extraction) işlemi, örüntü tanıma çalışmalarında büyük bir yer tutmaktadır. Bazı uygulamalarda 3-B renk uzayında yapılan renk topaklama (color clustering) işlemi de özellik vektöründe indirgeme amacı ile kullanılabilir. Renk özelliği ile örüntü tanıma çalışmalarından biri olan İçerik Tabanlı Görüntü Erişim (ITGE) sistemlerinde, 3-B renk uzayında renk topaklama, üzerinde çok çalışılan konulardan biridir [1,6,8]. ITGE sistemlerinin amacı genel amaçlı bir veri tabanından, sorgu görüntüsüne benzer olanları bulmaktır [4]. Bu tür çalışmalarda arama belli bir görüntü grubu arasından değil genel amaçlı her türden görüntü arasından yapılmaktadır. Bu nedenle ITGE sistemlerinde görüntülerin benzerliğini ölçmek için renk, doku ve şekil gibi genel özellikler kullanılmaktadır. Renk özelliği kullanılarak geliştirilen sistemlerde öncelikle renk topakları belirlenir ve sorgu resmine ait renk topakları ile veri tabanındaki görüntüye ait renk topakları arasında eşleme işlemi yapılır. Eşleme maliyetine bağlı bir benzerlik ölçüsü tanımlanır ve veri tabanındaki görüntüler sorgu resmine olan benzerliğine göre sıralanır. ITGE sistem tasarımında görüntüyü temsil eden renk topakları ile görüntü tekrar oluşturulduğunda orijinal görüntüye benzerliğin yüksek olması sistemin başarısını yükseltir. Ayrıca renk topaklama konusu, bölütlendirme (segmentation) ve görüntü sıkıştırma [2] çalışmalarında da önemli bir yer tutmaktadır. Bu bildiri renkli görüntüler için 3-B renk uzayında iyileştirilmiş bir renk topaklama yöntemini tanıtmaktadır. Yapılan çalışmada 3-B renk uzayında topaklama için bir özyineli eniyileme (iterative optimization) yöntemi olan K-Means algoritması [3,7] iyileştirilerek kullanılmış ve yöntem ağırlıklı K-Means algoritması olarak isimlendirilmiştir. Öncelikle görüntü üzerinde var olan bütün renklerin histogram bilgisi oluşturulmuş ve K-