聚类分析技术作为一种数据处理手段近些年来一直是人们的研究热点,其在图像处理、模式识别和数据挖掘等领域内有着广泛的应用。在所有的聚类算法中使用最多的是k-means聚类算法,这种算法只需事先给定一个阈值,后面就不再需要人工干预,对于图像分割的自动化有重要的意义。为了有效地提取烟支颜色的聚类特征,选取YUV颜色空间对图像进行聚类处理。利用k-means聚类算法对图像进行颜色聚类,然后将彩色烟支图像中的所有像素归到背景类或烟支类中。对于彩色烟支图像的分割分为两步。第一步根据图像中像素聚类属性进行粗分割,将属于背景类的所有像素的颜色置为白色,属于烟支类的像素的颜色保持不变;第二步是细分割,根据“空间距离最近,特征差异最小”的原则,将那些离散的小区域合并到烟支区域中去。分割后烟支的横截面的面积和形状发生了各种各样的变化,但是其变化范围都是在烟支横截面的外切正方形中。基于不变的外切正方形这个重要特征,以其为基础构造分割后的烟支识别和计数模型。选取一定数量的烟支图片对算法进行实验分析,通过计数的数量与真实值之间的比较可以作为分割与识别效果的检验方法。