opencv关于聚类序列拆分cvSeqPartition函数的运用

举个简单的例子来说明聚类序列拆分的过程：

首先给出以下序列集合： A { 8，3，5，5，8，5 }。

然后is_equal函数（在cvSeqPartition内，下面有详细说明）将A进行拆分聚类为 3个集合： B{ 5，5，5 } ，C{8，8}和D{3}。拆分原则是根据元素的多少来进行（3个5，2个8和1个3）。

最后cvSeqPartition函数的输出结果是各个数据在聚类集合中的位置索引值（从0开始），分别是： {1，2，0，0，1，0}。比如说：8是在第二个类中，索引值是1。

cvSeqPartition函数原型：

typedef int (CV_CDECL *CvCmpFunc)(const void *a, const void *b, const void *userdata);

int cvSeqPartition(const CvSeq* seq, CvMemStorage* storage, CvSeq** labels,CvCmpFunc is_equal, void* userdata);

参数解析：

seq：

划分序列

storage：

存储序列的等效类的存储器，如果为空, 函数用 seq->storage 存储输出标签。

labels：

输出参数。指向序列指针的指针，这个序列存储以0为开始的输入序列元素的标签。

is_equal：

比较函数指针。如果两个特殊元素是来自同一个类，那这个比较函数返回非零值，否则返回 0 。划分算法用比较函数的传递闭包得到等价类。

userdata：

直接传递给 is_equal 函数的指针。

函数 cvSeqPartition 执行二次方程算法为拆分集合为一个或者更多的等效类。 函数返回等效类的数目。

代码：

#include "cxcore.h"
#include "highgui.h"
#include <stdio.h>

CvSeq* point_seq = 0;
IplImage* canvas = 0;
CvScalar* colors = 0;
int pos = 10;

int is_equal( const void* _a, const void* _b, void* userdata )
{
CvPoint a = *(const CvPoint*)_a;
CvPoint b = *(const CvPoint*)_b;
double threshold = *(double*)userdata;
return (double)(a.x - b.x)*(a.x - b.x) + (double)(a.y - b.y)*(a.y - b.y) <= threshold;
}

void on_track( int pos )
{
CvSeq* labels = 0; //声明输出标签
double threshold = pos*pos; //定义阈值为pos^2
int i, class_count = cvSeqPartition( point_seq, 0, &labels, is_equal, &threshold );//拆分序列
//对point_seq点序列拆分为等效的类，条件是(Ax-Bx)^2+(Ay-By)^2<=pos^2
//含义为两点相差距离小于pos的属于一类
printf("%4d classes/n", class_count );
//打印出分了几类
cvZero( canvas );

for( i = 0; i < labels->total; i++ )
{//取点、取颜色，画圆,你可以用按任意键的方式一个点一个点的画
CvPoint pt = *(CvPoint*)cvGetSeqElem( point_seq, i );//取点
CvScalar color = colors[*(int*)cvGetSeqElem( labels, i )];
cvCircle( canvas, pt, 1, color, -1 );
cvShowImage( "points", canvas );
cvWaitKey(0);
}
}

int main( int argc, char** argv )
{
CvMemStorage* storage = cvCreateMemStorage(0);//建立了一个存储器
point_seq = cvCreateSeq( CV_32SC2, sizeof(CvSeq), sizeof(CvPoint), storage );
//建立了一个32位整型序列

CvRNG rng = cvRNG(0xffffffff);//初始化随机数生成器
int width = 500, height = 500;//定义图像的长和宽
int i, count = 1000;//定义了两个计数器
canvas = cvCreateImage( cvSize(width,height), 8, 3 );
//设置图像，大小为500*500，色深8，三通道

colors = (CvScalar*)cvAlloc( count*sizeof(colors[0]) );
//分配1000个CvScalar大小的内存缓冲区

for( i = 0; i < count; i++ )
{
CvPoint pt;//设置一个点
int icolor;//定义颜色标的
pt.x = cvRandInt( &rng ) % width;//随机产生点的x坐标
pt.y = cvRandInt( &rng ) % height;//随机产生点的y坐标

cvSeqPush( point_seq, &pt );//添加这个点到序列的尾部
icolor = cvRandInt( &rng ) +0xa0a0a0a0 ;
//用随机的方法给颜色标的一个基准，后边加的那个数字是可以任意的。
colors[i] = CV_RGB(icolor & 255, (icolor >> 8)&255, (icolor >> 16)&255);
//把这个点的颜色完全写入标量容器colors中
}

cvNamedWindow( "points", 1 );//创建窗口
cvCreateTrackbar( "threshold", "points", &pos, 50, on_track );
//建立拖动条，名称为threshold，窗口的名字叫points，创建初始化值取自pos，
//回调函数名称为on_track

on_track(pos);//监视拖动条的改变并处理之
cvWaitKey(0);
return 0;
} 

结果如图：

窗口输出：

本实验是在500x500画布上由1000个点组成的序列在距离小于5时的划分。可以用聚类序列拆分cvSeqPartition来进行处理。比较函数为2个点之间的欧几里得，当2个点之间的距离小于等于100时返回1，否则返回0。聚类结果一参数labels中的值作为名字标出来。

（完）