win10+Python3.7.3+OpenCV3.4.1入门学习（二十章 K近邻算法）————20.5 K近邻模块的基本使用

Python版本是Python3.7.3，OpenCV版本OpenCV3.4.1，开发环境为PyCharm

20.5 K近邻模块的基本使用

在OpenCV中，不需要自己编写复杂的函数实现K近邻算法，直接调用其自带的模块函数即可。本节通过一个简单的例子介绍如何使用OpenCV自带的K近邻模块。
eg2：演示OpenCV自带的K近邻模块的使用方法。
本例中有两组位于不同位置的用于训练的数据集，如图20-14所示。两组数据集中，一组位于左下角；另一组位于右上角。随机生成一个数值，用OpenCV中的K近邻模块判断该随机数属于哪一个分组。

上述两组数据中，位于左下角的一组数据，其x、y坐标值都在(0, 30)范围内。位于右上角的数据，其x、y坐标值都在(70, 100)范围内。
根据上述分析，创建两组数据，每组包含20对随机数（20个随机数据点）：

rand1 = np.random.randint(0, 30, (20, 2)).astype(np.float32)
rand2 = np.random.randint(70, 100, (20, 2)).astype(np.float32)

● 第1组随机数rand1中，其x、y坐标值均位于(0, 30)区间内。
● 第2组随机数rand2中，其x、y坐标值均位于(70, 100)区间内。
接下来，为两组随机数分配标签：
● 将第1组随机数对划分为类型0，标签为0。
● 将第2组随机数对划分为类型1，标签为1。
然后，生成一对值在(0, 100)内的随机数对：

test = np.random.randint(0, 100, (1, 2)).astype(np.float32)

最后，使用OpenCV自带的K近邻模块判断生成的随机数对test是属于rand1所在的类型0，还是属于rand2所在的类型1。
根据分析，编写代码如下：

import cv2
import numpy as np
import matplotlib.pyplot as plt
#用于训练的数据
#rand1数据位于(0,30)
rand1 = np.random.randint(0, 30, (20, 2)).astype(np.float32)
#rand2数据位于(70,100)
rand2 = np.random.randint(70, 100, (20, 2)).astype(np.float32)
#将rand1和rand2拼接为训练数据
trainData = np.vstack((rand1, rand2))
#数据标签，两类：0,1
#r1Label对应着rand1的标签，为类型0
r1Label=np.zeros((20,1)).astype(np.float32)
#r2Label对应着rand2的标签，为类型1
r2Label=np.ones((20,1)).astype(np.float32)
tdLable = np.vstack((r1Label, r2Label))
#使用绿色标注类型0
g = trainData[tdLable.ravel() == 0]
plt.scatter(g[:,0], g[:,1], 80, 'g', 'o')
#使用蓝色标注类型1
b = trainData[tdLable.ravel() == 1]
plt.scatter(b[:,0], b[:,1], 80, 'b', 's')

plt.show()
#test用于测试的随机数，该数在0到100之间
test = np.random.randint(0, 100, (1, 2)).astype(np.float32)
plt.scatter(test[:,0], test[:,1], 80, 'r', '*')
#调用OpenCV内的KNN，并训练
knn = cv2.ml.KNearest_create()
knn.train(trainData, cv2.ml.ROW_SAMPLE, tdLable)
#使用KNN分类
ret, results, neighbours, dist = knn.findNearest(test, 5)
#显示处理结果
print("当前随机数可以判定为类型：", results)
print("距离当前点最近的5个邻居是：", neighbours)
print("5个最近邻居的距离: ", dist)
#可以观察一下显示，对比上述输出
plt.show()

同时，程序还会显示如下图所示的运行结果。从图中可以看出，随机点（星号点）距离右侧小方块（类型为1）的点更近，因此被判定为属于小方块的类型1。

当前随机数可以判定为类型： [[1.]]
距离当前点最近的5个邻居是： [[1. 1. 1. 1. 1.]]
5个最近邻居的距离:  [[3250. 3293. 3313. 3554. 3562.]]