opencv图像处理之K-means聚类算法

Baste · 发表于 2022-4-15 14:47

opencv图像处理之K-means聚类算法

kmeans是非常经典的聚类算法，至今也还保留着较强的生命力，图像处理中经常用到kmeans算法或者其改进算法进行图像分割操作，在数据挖掘中kmeans经常用来做数据预处理。opencv中提供了完整的kmeans算法，其函数原型为：

doublekmeans( InputArray data,int K, InputOutputArray bestLabels, TermCriteria criteria,int attempts,int flags, OutputArray centers =noArray());

复制代码

其中data表示用于聚类的数据，是N维的数组类型（Mat型），必须浮点型；
K表示需要聚类的类别数；
bestLabels聚类后的标签数组，Mat型；
criteria迭代收敛准则（MAX_ITER最大迭代次数，EPS最高精度）；
attemps表示尝试的次数，防止陷入局部最优；
flags 表示聚类中心的选取方式（KMEANS_RANDOM_CENTERS 随机选取，KMEANS_PP_CENTERS使用Arthur提供的算法，KMEANS_USE_INITIAL_LABELS使用初始标签）；
centers 表示聚类后的类别中心。
关于kmeans的理论可以参考：略…
kmeans算法过程与简单的理解

聚类算法有很多种（几十种），K-Means是聚类算法中的最常用的一种，算法最大的特点是简单，好理解，运算速度快，但是只能应用于连续型的数据，并且一定要在聚类前需要手工指定要分成几类。
下面，我们描述一下K-means算法的过程，为了尽量不用数学符号，所以描述的不是很严谨，大概就是这个意思，“物以类聚、人以群分”：

基于Opencv的c++代码

#include<opencv2/opencv.hpp>#include<iostream>usingnamespace cv;usingnamespace std;intmain(){
Mat srcImage =imread("girl1.jpg");if(!srcImage.data){printf("could not load image...\n");return-1;}imshow("girl1.jpg", srcImage);//五个颜色，聚类之后的颜色随机从这里面选择
Scalar colorTab[]={Scalar(0,0,255),Scalar(0,255,0),Scalar(255,0,0),Scalar(0,255,255),Scalar(255,0,255)};int width = srcImage.cols;//图像的宽int height = srcImage.rows;//图像的高int channels = srcImage.channels();//图像的通道数//初始化一些定义int sampleCount = width*height;//所有的像素int clusterCount =4;//分类数
Mat points(sampleCount, channels, CV_32F,Scalar(10));//points用来保存所有的数据
Mat labels;//聚类后的标签
Mat center(clusterCount,1, points.type());//聚类后的类别的中心//将图像的RGB像素转到到样本数据int index;for(int i =0; i < srcImage.rows; i++){for(int j =0; j < srcImage.cols; j++){
index = i*width + j;
Vec3b bgr = srcImage.at<Vec3b>(i, j);//将图像中的每个通道的数据分别赋值给points的值
points.at<float>(index,0)=static_cast<int>(bgr[0]);
points.at<float>(index,1)=static_cast<int>(bgr[1]);
points.at<float>(index,2)=static_cast<int>(bgr[2]);}}//运行K-means算法//MAX_ITER也可以称为COUNT最大迭代次数，EPS最高精度,10表示最大的迭代次数，0.1表示结果的精确度
TermCriteria criteria =TermCriteria(TermCriteria::EPS + TermCriteria::COUNT,10,0.1);kmeans(points, clusterCount, labels, criteria,3, KMEANS_PP_CENTERS, center);//显示图像分割结果
Mat result = Mat::zeros(srcImage.size(), srcImage.type());//创建一张结果图for(int i =0; i < srcImage.rows; i++){for(int j =0; j < srcImage.cols; j++){
index = i*width + j;int label = labels.at<int>(index);//每一个像素属于哪个标签
result.at<Vec3b>(i, j)[0]= colorTab[label][0];//对结果图中的每一个通道进行赋值
result.at<Vec3b>(i, j)[1]= colorTab[label][1];
result.at<Vec3b>(i, j)[2]= colorTab[label][2];}}imshow("Kmeans", result);waitKey(0);return0;}

复制代码

		自动登录	找回密码
密码			立即注册

opencv图像处理之K-means聚类算法

浏览过的版块