图像分割 - 利用K-means聚类方法实现图像分割

1、前言

传统的数字图像处理算法中，针对于图像分割部分，除了阈值处理、区域生长啊等等之类的，还有很经典的聚类算法

图像分割是指将图像划分为多个片段。这是因为对于不同的图像任务，我们往往不care整个图片，只对感兴趣的区域处理，这就是图像分割的意义。

聚类算法的思想很简单，就是将相似属性的像素点分配到一起

2、cv2.kmeans 方法

OpenCV 提供了cv2.kmeans( samples, nclusters(K), criteria, attempts, flags ) 函数用于颜色聚类。

    1.样本：应为np.float32数据类型，并且每个特征应放在单列中。

    2. nclusters(K)：最后需要的簇数

    3. criteria：迭代终止准则。当满足该标准时，算法迭代停止。实际上，它应该是一个包含 3 个参数的元组。它们是 `( type, max_iter, epsilon )`：

    终止标准的类型。它有 3 个标志，如下所示：

cv.TERM_CRITERIA_EPS — 如果达到指定的精度epsilon ，则停止算法迭代    cv.TERM_CRITERIA_MAX_ITER — 在指定的迭代次数max_iter后停止算法。cv.TERM_CRITERIA_EPS + cv.TERM_CRITERIA_MAX