【Machine Learning】OpenCV中的K-means聚类

在上一篇（【Machine Learning】K-means算法及优化）中，我们介绍了K-means算法的基本原理及其优化的方向。opencv中也提供了K-means算法的接口，这里主要介绍一下如何在python+opencv的环境下，使用k-means接口（C++的接口形式相似）。

python版本的k-means算法接口，即cv2.kmeans()。

输入参数：

-samples: 类型必须是np.float32型，每个特征应该放置在单独的一个列中；

-nclusters(K):最终要确定的类别数；

-criteria：迭代终止的条件，3通道参数，分别是（type, max_iter, epsilon）:

• 3.a -type: 终止条件的类型，有如下3个flag: cv2.TERM_CRITERIA_EPS（精度满足epsilon时，终止迭代）；cv2.TERM_CRITERIA_MAX_ITER（最大迭代次数达到后终止）；cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER（二者满足其一即可终止迭代）；<