结论
我们可以看出，使用k-means好于使用简单随机选择。事实上，使用64种颜色的随机选择获得的图像与使用具有32种颜色的k-means获得的图像非常相似。使用k-means的缺点是，显然它明显更慢，特别是如果训练时用原始图像，那么所有像素都要执行一遍的。不过这可以通过仅使用像素的随机样本来降低。
另一方面，乍一看，在RGB空间中的k-means和在LAB空间中的k-means的结果是相似的。不过，通过仔细观察每一对图像，在某些情况下，特别是在处理某些细节时，我们可以说，一个比另一个更好。但一般对于特定图像来说，当使用RGB时，脸部看起来更清晰，也更明确，并且尤其对前两张图像。然而，使用LAB空间似乎对镜子和帽子的反射处理的更好，它还还原了原始图像的亮度。总的来说，我不会说：“当使用k-means时某一个颜色空间比另外一个更好，至少对于这张图片不会。”
英文原文：http://lmcaraig.com/color-quantization-using-k-means/,
