由於傳統K-means分群法的圖片分割是以灰階強度為基礎,當要進行圖像分割時往往會因為光線、陰影、甚至本身顏色深淺的分部不均而導致分割結果有所誤差。因此,在本研究中,我們使用了以顏色為基礎的分割方式,也就是color-based K-means來解決這種深淺所造成的問題。以RGB三原色的概念做為分割基礎,當圖片因為灰階強度不同而造成分割混淆時,我們的color-based K-means可以很明確的根據顏色的分佈,將影像經過權重計算後進行圖像的處理,最後得到清楚的分割結果。此外,因為傳統的K-means分群法在每次運算時其起始點都會隨機改變而導致每次結果都有所不同,為了改進此一缺點,我們利用顏色區間(bin)方法讓起始點固定,如此一來不但確保了起始點尋找方法一樣,在我們實驗結果中也證實了不論是傳統的K-means分群法或是我們所使用的color-based K-means,經過此種固定起始值的方法後,所得到的都是較為成功的結果。