OpenCV K-means 聚类

• 参考1
  https://www.cnblogs.com/jerrylead/archive/2011/04/06/2006910.html

• 参考2
  https://www.cnblogs.com/wj-1314/p/11510789.html

• 原图
  

• 调用OpenCV K-means 聚类的结果图
  

• note 从效果来看， 参考1 中提到的坐标在这里应该是像素值， 实际是更新像素值动态的将原图中像素分为两类

• 效果
  

• Python 代码

import cv2
import numpy as np
import matplotlib.pyplot as plt

if __name__ == "__main__": 
	img = cv2.imread('test.png')
    img = cv2.resize(img, dsize=(100, 100))
    #图图像的每个通道分别进行K-means 
    data = img.reshape((-1, 3))
    data = np.float32(data)
    #标识无监督学习的终止条件(  3,10,1)
    criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 10, 1.0)
    #开始时候随机选两点进行作为质心
    flags = cv2.KMEANS_RANDOM_CENTERS
    # 迭代10次，
    # compactness是参考1中提到的J的值即畸变,
    #    labels2是每个数据的分类 要么0 要么1 ,labels2.flatten().shape= (1000,)
    # centers2 即质心，标识两个类的中心值，shape= (2,3) 
    compactness, labels2, centers2 = cv2.kmeans(data, 2, None, criteria, 10, flags)
 
    # 2 类 图像转换回 uint8 二维类型
    centers2 = np.uint8(centers2)
    res2 = centers2[labels2.flatten()]
    #dst2 即结果
    dst2 = res2.reshape(img.shape)
    plt.subplot(1,2,1)
    plt.imshow(img)
    plt.subplot(1,2,2)
    plt.imshow(dst2)
    plt.show()
    
### >>> centers2
###array([[231, 220, 202],
###       [109,  98, 109]], dtype=uint8)
###>>> labels2.flatten().shape
###(10000,)

• 代码中用到的原图 test.png ,直接另存为即可