混凝土结构在施工与使用的过程中易产生各种形式的裂缝,由此会产生诸多安全问题。传统的人工安全检测方法,不仅耗费财力和时间,而且无法保障其检测精度。为了提高混凝土表面裂缝的识别效率,提出了一种基于卷积神经网络结合聚类分割的识别方法,实现了对较复杂背景下混凝土表面裂缝图像的准确识别。研究结果显示,该方法不仅能够高效地分类,还能够高精度地对较复杂背景下的裂缝进行识别,这为降低混凝土表面裂缝识别的工作量、维护混凝土结构,对其进行安全检测提供了理论依据,同时也为以后更高精度和更复杂条件下的裂缝识别研究提供了一些参考。

PCL点云库——欧式聚类分割https://blog.csdn.net/fei_12138/article/details/109718785中的麦粒数据

MATLAB kmeans聚类分割（GUI，分割聚类数可以输入），可输入一张彩色图像，可以选择需要分割成多少类，就会以不同颜色区分不同的块，带有GUI界面，操作丰富。

四 基于kmeans聚类分割+图像处理的结果

点云欧式聚类分割原理-深度学习实例分割：3D-BoNet 深度学习原理.pdf

完整代码，可直接运行

模糊C均值聚类分割算法，经测试分割效果良好，载入图像数据，直接调用即可

https://blog.csdn.net/weixin_46098577/article/details/116129817

本程序在对图像进行纹理分析（基于共发矩阵的方法）的基础上，获取图像不同区域的纹理特征，针对这些纹理特征， 采用聚类（K-mean)的分类算法对图像进行区域划分！

欧几里德分割法称之为标准的距离分离，另外一种分割方法是条件聚类算法，这个条件的设置是可以由我们自定义的，因为除了距离检查，聚类的点还需要满足一个特殊的自定义的要求，就是以第一个点为标准作为种子点，候选其周边的点作为它的对比或者比较的对象，如果满足条件就加入到聚类的对象中。