机器学习实验2---Kmeans云层聚类

云层图像聚类

对于云层数据集，由于数据集图像较为干净,故使用二分类即可较好的将云层分离出来.为了保证结果的一致性，首先将图片resize为300 * 300的图片，并转为array变量以便于操作,此处使用opencv对图像进行resize,但opencv采样顺序维BGR,故需要一步转换

import cv2
import numpy as np
from pylab import *

def img2array(img):
    img = cv2.resize(img,(300,300))
    # 由BGR改为RGB防止颜色偏差
    img = img[:, :, [2,1,0]]
    features = list()
    for x in range(300):
        for y in range(300):
            features.append([img[x][y][0],img[x][y][1],img[x][y][2]])
    features = np.array(features,'f') # 变为数组
    return img,features

定义聚类时的距离，使用的是像素点在RGB空间内的欧几里得距离

# 定义距离(使用RGB的值之间的距离)
def dist(vecA, vecB):
    sum = 0
    for i in range(3):
        if vecA[i] != vecA[i]:
            vecA[i] = 0
        if vecB[i] != vecB[i]:
            vecB[i] = 0
        sum += (int(vecA[i]) - int(vecB[i]))**2
    return sqrt(sum)

随机生成两个聚类中心,由各维最小值加上随机倍(0-1)的极差构成

import random
def rand_cent(data_mat, k):
    n = shape(data_mat)[1] # 获取坐标维数
    centroids = mat(zeros((k,n))) # k个n维的点
    for j in range(n):
        minJ = min(data_mat[:,j]) # 本维最小值
        rangeJ = float(max(data_mat[:,j]) - minJ) # 本维的极差
        centroids[:,j] = mat(minJ + rangeJ * np.random.rand(k,1)) # 随机值
    return centroids
#     print(centroids)

kMeans的核心算法,cluster_assment用于记录任意点的分组与到簇中心的距离.首先随机生成簇中心点,随后循环遍历所有点,每次循环取距离某点更近的簇中心的索引作为该点的分类依据,若某点分组发生变化,则更新cluster_assment,全部分类完成后,计算簇中所有点的均值并重新将均值作为质心,继续循环,直到两次循环间各点的分组均不发生变化为止

def kMeans(data_mat, k):
    m = shape(data_mat)[0]
    # 初始化点的簇
    cluster_assment = mat(zeros((m, 2)))  # 类别，距离
    # 随机初始化聚类初始点
    centroid = rand_cent(data_mat, k)
    cluster_changed = True  
    # 遍历每个点
    while cluster_changed: # 等到迭代不发生变化即停止
        cluster_changed = False
        for i in range(m):
            min_index = -1
            min_dist = inf
            for j in range(k):
                distance = dist(data_mat[i],np.array(centroid)[j])
                if distance < min_dist:
                    min_dist = distance
                    min_index = j
            if cluster_assment[i, 0] != min_index:
                cluster_changed = True
                cluster_assment[i, :] = min_index, min_dist**2
        # 计算簇中所有点的均值并重新将均值作为质心
        for j in range(k):
            per_data_set = data_mat[nonzero(cluster_assment[:,0].A == j)[0]]
            centroid[j, :] = mean(per_data_set, axis = 0)
    return centroid, cluster_assment

显示聚类效果,首先使刚刚写好的kMeans函数将图像分为两类,随后使用scipy.cluster中的vq模块绘制聚类结果,最后用subplot显示

from scipy.cluster.vq import *
def kMeansShow(Img):
    Img,Features = img2array(Img)
    # 聚类
    centroids,variance = kMeans(Features,2)
    # 使用scipy.cluster.vq绘制聚类结果
    code,distance = vq(Features,np.nan_to_num(centroids))
    # 用聚类标记创建图像
    codeimg = code.reshape(300,300)
    figure()
    subplot(121)
    imshow(Img)
    axis('off')

    subplot(122)
    imshow(codeimg)
    axis('off')
    show()

选择几张图片输出来显示效果

img = cv2.imread('./cloud_dataset_origin/11.png')
kMeansShow(img)

img = cv2.imread('./cloud_dataset_origin/21.png')
kMeansShow(img)

img = cv2.imread('./cloud_dataset_origin/31.png')
kMeansShow(img)

img = cv2.imread('./cloud_dataset_origin/41.png')
kMeansShow(img)

img = cv2.imread('./cloud_dataset_origin/51.png')
kMeansShow(img)

img = cv2.imread('./cloud_dataset_origin/61.png')
kMeansShow(img)

img = cv2.imread('./cloud_dataset_origin/71.png')
kMeansShow(img)

img = cv2.imread('./cloud_dataset_origin/81.png')
kMeansShow(img)

img = cv2.imread('./cloud_dataset_origin/91.png')
kMeansShow(img)

聚类效果基本使人满意,对于某些带有云层带阴影的图片可以后续根据面积大小使用滤波器滤掉,对于某些带有云层带阴影的图片可以能出现误识别,后续根据需要可以将距离改为物理距离与RGB空间距离的加权平均