Opencv之KMEANS篇

本文介绍了Opencv中的K-means算法在图像处理中的应用,探讨了其在图像分割上的局限性,如时间消耗、对空间信息的敏感性以及类别数选择的不确定性。通过示例展示了K-means得到的线性判决面,并提醒用户注意OpenCV中K-means函数的运行次数设置和数据类型。最后,给出了仅使用RGB颜色进行分割的结果。
摘要由CSDN通过智能技术生成

 

OpencvKMEANS

Opencv中的K-means适用于数据预处理,但图像分割的消耗的时间太长并且效果不怎么好,使用空间信息后,图像的分割后受空间的影响很大(同一类的数据如果分布较远,不是高斯型的,就会错分),因为图像分割本身要求数据是呈超球体(高斯类)分布。

评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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