在OpenCV Python中实现k近邻？

k近邻 ( kNN ) 是一种用于监督学习的简单分类算法。要在OpenCV中实现 kNN ，您可以按照下面给出的步骤进行操作:

• 导入所需的库 OpenCV, NumPy 和 Matplotlib

• 我们定义了两个类Red和Blue，每个类都有25个数字。然后使用随机生成器为这两个类生成训练数据。

• 接下来，我们为每个训练数据生成标签。红色家族数字的标签是0，蓝色家族成员的标签是1。

• 现在绘制红色和蓝色家庭成员。

• 使用随机生成器生成一个新的数字并绘制它。

• 初始化一个KNearest对象 knn 并用训练数据进行训练。

• 最后，计算新数字的 knn.findNearest() 以查找新成员的类标签、最近邻居的类标签和距离。

让我们看一下下面的例子来实现k-近邻。

例子

在这个例子中，我们为红色和蓝色家族各生成并绘制了25个训练数据。

# 导入所需的库
import cv2
import numpy as np
import matplotlib.pyplot as plt

# 包含25个已知/训练数据的特征集（x，y）值
trainData = np.random.randint(0,100,(25,2)).astype(np.float32)

# 表示每个人都是红色或蓝色，用0和1表示标签
responses = np.random.randint(0,2,(25,1)).astype(np.float32)

# 取出红色家庭并绘制它们
red = trainData[responses.ravel()==0]
plt.scatter(red[:,0],red[:,1],80,'r','^')

# 取出蓝色家庭并绘制它们
blue = trainData[responses.ravel()==1]
plt.scatter(blue[:,0],blue[:,1],80,'b','s')
plt.show()

输出

当您运行上述Python程序时，它将产生以下“ 输出 ”窗口−

例子

在这个例子中，我们为红色和蓝色家族各生成并绘制了25个训练数据。然后我们生成一个新数字并使用K近邻算法对其进行分类，将其归类为红色或蓝色的家族成员。

# 导入必要的库
import cv2
import numpy as np
import matplotlib.pyplot aplt

# 特征集，包含25个已知/训练数据的（x,y）值
trainData = np.random.randint(0,100,(25,2)).astype(np.float32)

# 将每个数据标记为红色或蓝色，使用0或1进行编码
responses = np.random.randint(0,2,(25,1)).astype(np.float32)

# 将标记为红色的数据进行绘图
red = trainData[responses.ravel()==0]
plt.scatter(red[:,0],red[:,1],80,'r','^')

# 将标记为蓝色的数据进行绘图
blue = trainData[responses.ravel()==1]
plt.scatter(blue[:,0],blue[:,1],80,'b','s')

# 构建一个新的数据点
newcomer = np.random.randint(0,100,(1,2)).astype(np.float32)
plt.scatter(newcomer[:,0],newcomer[:,1],80,'g','o')

# 构建k-NN分类器模型并进行训练
knn = cv2.ml.KNearest_create()
knn.train(trainData, cv2.ml.ROW_SAMPLE, responses)

# 对新的数据点进行分类预测，并返回距离最近的三个邻居的标签、对应的数据和距离
ret, results, neighbors ,dist = knn.findNearest(newcomer, 3)

# 输出预测结果以及邻居的标签、对应的数据和距离
print("Label of New Member: {}\n".format(results) )
print("Nearest Neighbors: {}\n".format(neighbors) )
print("Distance of Each Neighbor: {}\n".format(dist) )

# 显示绘制的图形
plt.show()

输出结果

当您运行上述Python程序时，将产生以下输出： 输出 −

Label of New Member: [[1.]]
Nearest Neighbors: [[0. 1. 1.]]
Distance of Each Neighbor: [[ 85. 85. 405.]]

结果显示，该点属于蓝色家族，因为最近的三个邻居中有两个属于蓝色家族。它还会显示以下 输出 窗口：

 为帮助更多对人工智能感兴趣的小伙伴们能够有效的系统性的学习以及论文的研究，小编特意制作整理了一份人工智能学习资料给大家，整理了很久，非常全面。

大致内容包括一些人工智能基础入门视频和文档+AI常用框架实战视频、计算机视觉、机器学习、图像识别、NLP、OpenCV、YOLO、pytorch、深度学习与神经网络等学习资料、课件源码、国内外知名精华资源、以及AI热门论文等全套学习资料。

需要以上这些文中提到的资料，请点击此处→【人工智能全套完整VIP资料】即可免费获取。

 

看完三件事❤️

• 如果你觉得这篇内容对你还蛮有帮助，我想邀请你帮我三个小忙：
• 点赞，转发，有你们的 『点赞和评论』，才是我创造的动力。
• 关注作者公众号 『 python深度学习NLP 』，不定期分享原创知识。
• 关注后回复【666】扫码即可获取学习资料包。
• 同时可以期待后续文章ing🚀。