python opencv 图片前景与背景的分割

最新推荐文章于 2024-08-05 17:27:55 发布

Dawn__Z

最新推荐文章于 2024-08-05 17:27:55 发布

阅读量2w

点赞数 7

文章标签： python 图像分割前景与背景分离聚类kmeans

本文链接：https://blog.csdn.net/Dawn__Z/article/details/82115160

版权

本文介绍了如何利用Python的OpenCV库和KMeans算法进行图像前景与背景的分割。详细解析了kmeans函数的参数，并提供了完整的代码示例，展示从原图片到应用聚类后的效果。

摘要由CSDN通过智能技术生成

python opencv 图片前景与背景的分割

##kmeans 算法的研究

函数的格式为：kmeans(data, K, bestLabels, criteria, attempts, flags)
（1）data: 分类数据，最好是np.float32的数据，每个特征放一列。之所以是np.float32原因是这种数据类型运算速度快，同样的数据下如果是uint型数据将会慢死你。
(2) K: 分类数，opencv2的kmeans分类是需要已知分类数的。
(3) bestLabels：预设的分类标签：没有的话 None
(4) criteria：迭代停止的模式选择，这是一个含有三个元素的元组型数。格式为（type,max_iter,epsilon）
其中，type又有两种选择：
—–cv2.TERM_CRITERIA_EPS :精确度（误差）满足epsilon停止。
—- cv2.TERM_CRITERIA_MAX_ITER：迭代次数超过max_iter停止。
—-cv2.TERM_CRITERIA_EPS+cv2.TERM_CRITERIA_MAX_ITER，两者合体，任意一个满足结束。
（5）attempts：重复试验kmeans算法次数，将会返回最好的一次结果
（6）flags：初始类中心选择，两种方法
cv2.KMEANS_PP_CENTERS ; cv2.KMEANS_RANDOM_CENTERS

###完整代码
python opencv代码

'''
Extract panel :kmeans聚类
'''
import cv2
import numpy as np
import math
def panelAbstract(srcImage):
    #   read pic shape
    imgHeight,imgWidth = srcImage.shape[:2]
    imgHeight = int(imgHeight);imgWidth = int(imgWidth)
    # 均值聚类提取前景:二维转一维
    imgVec = np.float32(srcImage.reshape((-1,3)))
    criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER,10,1.0)
    flags = cv2.KMEANS_RANDOM_CENTERS 
    ret,label,clusCenter = cv2.kmeans(imgVec,2,None,criteria,10,flags)
    clusCenter = np.uint8(clusCenter)
    clusResult = clusCenter[label.flatten()]
    imgres = clusResult