opencv学习笔记五十四:KMeans图像分割

75 篇文章 522 订阅 ¥9.90 ¥99.00
KMeans算法在图像处理中常用于图像分割,通过选择类数并迭代更新中心点来实现。首先初始化中心点,然后将每个像素点分配到最近的中心点,更新中心点并迭代,直到达到预设的迭代次数或中心点变化极小。OpenCV库提供了实现,包括数据点的处理、聚类类别数、迭代准则和中心点选取方式等参数。
摘要由CSDN通过智能技术生成

Kmeans算法是非常经典的聚类算法,在数据挖掘中kmeans经常用来做数据预处理,在图像处理中也可以用作图像的分割。

原理:首先选择要聚成几个类,然后初始化中心点。比如说要聚成3类,就随机生成3个中心点,然后每个数据点选择离它最近的中心点作为一类,对组成的类取平均值就会得到三个新的中心点,再对其进行聚类,不断迭代,当迭代的次数超过某一阈值或者前后两次中心点位置不变了或变化很小就终止聚类。

kmeans( InputArray data, int K, InputOutputArray bestLabels, TermCriteria criteria, int attempts, int flags, OutputArray centers = noArray() );
  • data表示用于聚类的数据点,是N维的数组类型(Mat型),必须浮点型;
  • K表示需要聚类的类别数;
  • bestLabels聚类后的标签数组,Mat型;
  • criteria迭代收敛准则(MAX_ITER最大迭代次数,EPS最高精度);
  • attemps表示尝试的次数,防止陷入局部最优;
  • flags 表示聚类中心的选取方式(KMEANS_RANDOM_CENTERS 随机选取,KMEANS_PP_CENTERS使用Arthur提供的算法,KMEANS_USE_INITIAL_LABELS使用初始标签);
  • centers 表示聚类后的类别中心;
  • 0
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
评论
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

打赏作者

东城青年

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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