人工智能——“kmeans实现图片分割”（Python实现）

于 2024-04-22 10:10:48 发布
阅读量265 收藏 10
点赞数 3
分类专栏： 程序员 文章标签： 人工智能 kmeans python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/2401_84003809/article/details/138064693
版权

(2)边缘分割：对图像边缘进行检测，即检测图像中灰度值发生跳变的地方，则为一片

区域的边缘。

(3)直方图法：对图像的颜色建立直方图，而直方图的波峰波谷能够表示一块区域的颜

色值的范围，来达到分割的目的。

(4)特定理论：基于 聚类分析 、小波变换等理论完成图像分割。

3 案例实现

3.1 案例

目标 ：利用 K-means 聚类算法对图像像素点颜色进行聚类实现简单的图像分割

输出 ：同一聚类中的点使用相同颜色标记，不同聚类颜色不同

本实例中的数据可以是任意大小的图片，为了使效果更佳直观，可以采用区分度比较明显的图片。本次案例以下图为例：

最低0.47元/天 解锁文章
2401_84003809
关注
  • 3
    点赞
  • 踩
  • 10
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
机器学习-----Jupyter下载安装
qq_41034741的博客
10-07 5288
jupyter安装与使用
Kmeans与Kmeans++算法Python代码实现
05-23
https://blog.csdn.net/li1873997/article/details/124928987 本人博客介绍：算法笔记（16）K-Means++算法及Python代码实现
jupyter notebook下载及安装
qq_42539958的博客
12-01 1451
下载及安装Anaconda。通过Anaconda安装jupyter notebook并修改保存路径。
pip方法下载jupyter notebook的方法
最新发布
2302_80155670的博客
04-16 753
前提：你的python解释器已经安装好了并且已经在path环境中了，路径上不可以有中文哦！！！！前提：你的python解释器已经安装好了并且已经在path环境中了，路径上不可以有中文哦！！！！
从零开始！Jupyter Notebook的安装教程（附带pip和Python的安装教程）
热门推荐
保证安全，保证寿终正寝的博客
01-18 2万+
本篇文章创造性的以“授人以渔”的方式教大家如何安装Jupyter Notebook、pip和Python，以及对于Jupyter Notebook代码路径的基本设置。
Python如何读取Excel表格数据
m0_60324722的博客
03-29 1万+
Excel作为目前主要的流行数据表格，其存储的数据整齐，强可观性。需要对大量的数据进行分析时，可以利用python脚本语言进行数据分析。8.回到pycharm，打开main.py，复制如下代码，其中path 是自己所存放的文件绝对路径加文件名。以对上述类型文件进行操作，与安装pandas库步骤一样，重复步骤以安装。此项用于安装当前工程项目的功能依赖库，自动安装，十分便捷。，新建项目，在IDE 的UI界面下点击左下角的。3,.右侧出现安装一栏，直接点击安装即可安装。已安装完成，在一个路径下建立待测试的。
西电数据挖掘作业——kmeans图片聚类python实现
03-13
在本项目中，我们主要探讨的是“西电数据挖掘作业——kmeans图片聚类python实现”。这个作业的核心是使用Python3来实现K-Means算法，这是一种常见的无监督机器学习方法，常用于数据聚类。K-Means算法在图像处理领域...
kmeans图像分割(python),kmeans图像分割python,Python
09-10
在这个案例中，我们讨论的是如何利用Python来实现KMeans图像分割。 首先，我们要了解KMeans算法的基本原理。KMeans的目标是将n个样本划分为k个簇，每个样本被分配到与其最近的质心所在的簇。这个过程通过迭代来完成...
基于Python——Kmeans聚类算法的实现
01-20
现在对于Kmeans算法进行简单的介绍，Kmeans算法是属于无监督的学习的算法，并且是最基本、最简单的一种基于距离的聚类算法。 下面简单说一下Kmeans算法的步骤： 选随机选取K的簇中心（注意这个K是自己选择的） 计算...
kmeans图像分割(python)_python画kmeans_python_分割_图像分割_聚类
09-10
下面我们将深入探讨KMeans图像分割的工作原理、Python实现以及相关知识点。 ### KMeans图像分割简介 KMeans算法的基本思想是将数据集分为K个簇，每个簇由最接近的中心点（均值）定义。在图像分割中，像素被视为...
Python多线程编程（详细：适合小白入门）
m0_74823524的博客
10-26 348
这篇博客的笔记摘录自B站**黑马程序员的《python多线程编程》**的视频，原视频的地址如下：（博客中的代码全是我手敲的，运行皆可通过，若有错误，欢迎评论指出）基础语法、文件操作、模块应用开发工具：PyCharm内容安排：进程、线程、多任务应用Python中线程与进程……略。
究极详细保姆教程：pycharm如何配置python路径
weixin_44629284的博客
01-03 1万+
如何配置pycharm的python路径
python中的多线程
silk_java的专栏
12-20 557
Python的多线程编程提供了一种有效的方式来提高程序的并发性和效率。通过理解和掌握多线程的基础知识，包括线程的创建、同步机制的使用，你可以编写出更加健壮和高效的多线程应用程序。然而，需要注意的是，由于全局解释器锁（GIL）的存在，Python的多线程在计算密集型任务上可能无法充分利用多核CPU的优势。对于这类任务，可以考虑使用多进程或者异步IO编程。
Python多线程编程
weixin_43956958的博客
06-23 4797
进程 进程就是程序执行的载体 进程的应用：我们打开的每个软件、游戏，执行的每一个Python脚本都是启动一个进程。 每一个进程像人一样需要吃饭，它的粮食就是CPU和内存。 多进程 同时启动多个软件（进程），多个进程同时在执行程序，他们之间互不干扰，各自执行自己的业务逻辑。 多进程与并行的概念： ...
这7种UML图的画法每个程序员都应该掌握~
Java技术攻略的博客
04-06 1万+
众所周知，软件开发是一个分阶段进行的过程。不同的开发阶段需要使用不同的模型图来描述业务场景和设计思路。在不同的阶段输出不同的设计文档也是必不可少的，例如，在需求分析阶段需要输出领域模型和业务模型，在架构阶段需要输出物理架构设计，在详细设计阶段需要输出数据库设计等。这样做可以更好地实践软件开发，并提高软件开发的实用性。软件建模与设计过程可以分为三个阶段：需求分析、架构设计和详细设计。
CWRU数据集-美国西储大学轴承数据
刘望的博客
03-08 2870
1.实验平台 1.1 平台组成 一个1.5KW（2马力）的电动机（图左侧）； 一个扭矩传感器/ 译码器（图中间连接处）； 一个功率测试计（图右侧）； 电子控制器(图中没显示) 1.2 待测轴承 待检测的轴承支撑着电动机的转轴； 驱动端（Drive End）轴承为SKF6205 ，采样频率为12Khz和48Khz； 风扇端（Fan End）轴承为SKF6203 ，采样频率...
【微信小程序入门到精通】— button 和 image 超详细讲解
热爱生活，积极向上的阿酱！
10-03 5748
对于目前形式，微信小程序是一个热门，那么我们该如何去学习并且掌握之后去做实际项目呢？为此我特意开设此专栏，在我学习的同时也将其分享给大家！本文主要给大家介绍一下 button 和 image 组件，接下里我将逐一进行讲解！如果在往下阅读的过程中，有什么错误的地方，期待大家的指点！大家每天都要开开心心的喔，让我们一起快乐的学习吧！
pycharm下设置PYTHONPATH
不荒废现在，不畏惧未来！
04-13 3428
在运行openspiel项目时报错"no module named pyspiel" 在./venv/bin/activate 和 your ~/.bashrc执行 export PYTHONPATH之后在terminal可以运行code， 但是在pycharm debug仍报错 参考：pycharm设置python path 抄写如下： 1、File->Setting 2、Project：XXX->Project Interpreter 3、在右边的Project Interpreter的下拉
二分KMeans实现图片分割代码
05-26
以下是二分KMeans实现图片分割的Python代码： ```python import numpy as np from PIL import Image def load_image(path): img = Image.open(path) return np.array(img) def save_image(array, path): img = Image.fromarray(array) img.save(path) def distance(x, y): return np.sqrt(np.sum((x-y)**2)) def kmeans(points, k, max_iter=100): centers = points[np.random.choice(range(len(points)), k, replace=False)] for _ in range(max_iter): clusters = [[] for _ in range(k)] for point in points: distances = [distance(point, center) for center in centers] cluster = np.argmin(distances) clusters[cluster].append(point) new_centers = [] for i in range(k): new_center = np.mean(clusters[i], axis=0) new_centers.append(new_center) if np.allclose(centers, new_centers): break centers = new_centers return centers, clusters def binary_kmeans(image_path, k=2): image = load_image(image_path) points = np.reshape(image, (-1, 3)) centers, clusters = kmeans(points, k) labels = np.zeros(len(points), dtype=int) for i, cluster in enumerate(clusters): for point in cluster: labels[np.where((points == point).all(axis=1))] = i segmented_image = np.reshape(labels, (image.shape[0], image.shape[1])) return segmented_image if __name__ == '__main__': segmented_image = binary_kmeans('image.jpg', k=2) save_image(segmented_image, 'segmented_image.png') ``` 其中，`load_image`函数将图片读入为numpy数组，`save_image`函数将numpy数组保存为图片。`distance`函数计算两个点之间的欧氏距离。`kmeans`函数执行kmeans算法，返回聚类中心和每个点所属的聚类。`binary_kmeans`函数对图片进行二分kmeans分割，返回分割后的二值图像。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值