OpenCV学习笔记(1):Kmeans聚类

最新推荐文章于 2023-08-22 17:19:44 发布
最新推荐文章于 2023-08-22 17:19:44 发布
阅读量8.6k 收藏 10
点赞数
分类专栏： OpenCV 图像 文章标签： opencv 图像处理 算法
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/ts_zxc/article/details/23668751
版权
这篇博客介绍了如何在OpenCV中使用KMeans聚类算法，包括KMeans函数的使用方法、算法的优缺点以及实验示例。通过随机生成的二维样本数据和图像聚类展示了KMeans的应用，并解释了相关OpenCV函数如RNG::fill和randShuffle的作用。
摘要由CSDN通过智能技术生成

   前言

    一提到聚类算法，必然首先会想到的是kmeans聚类，因为它的名气实在太大了。最近，刚好要使用OpenCV中Kmeans函数。这节内容主要是讲讲OpenCV中kmeans函数的使用方法。

　开发环境：OpenCV2.4.8+VS2013

  实验基础

  在使用kmeans之前，必须先了解kmeans算法的2个缺点：第一是必须人为指定所聚的类的个数k；第二是如果使用欧式距离来衡量相似度的话，可能会得到错误的结果，因为没有考虑到属性的重要性和相关性。为了减少这种错误，在使用kmeans距离时，一定要使样本的每一维数据归一化，不然的话由于样本的属性范围不同会导致错误的结果。

　　实验一是对随机产生的sampleCount个二维样本（共分为clusterCount个类别），每个类别的样本数据都服从高斯分布，该高斯分布的均值是随机的，方差是固定的。然后对这sampleCount个样本数据使用kmeans算法聚类，最后将不同的类用不同的颜色显示出来。

　　下面是程序中使用到的几个OpenCV函数：

　　void RNG::fill(InputOutputArray mat, int distType, InputArray a, InputArray b, bool saturateRange=false )

最低0.47元/天 解锁文章
唐朝李子333
关注
  • 0
    点赞
  • 踩
  • 10
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
Opencv学习笔记 K-Means聚类算法
学以致用 知行合一
09-28 979
K-means算法是最为经典的基于划分的聚类方法，是十大经典数据挖掘算法之一。K-means算法的基本思想是：以空间中k个点为中心进行聚类，对最靠近他们的对象归类。通过迭代的方法，逐次更新各聚类中心的值，直至得到最好的聚类结果。 1、opencv版本的K-Means opencv中提供了完整的kmeans算法，其函数原型为： double kmeans( InputArray data, int K, InputOutputArray b...
opencv学习笔记五十四：KMeans图像分割
qq_24946843的博客
09-22 1741
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。 ...
Opencv Kmeans聚类算法
KUAILE123的专栏
11-07 9465
k-means 算法接受输入量 k ；然后将n个数据对象划分为 k个聚类以便使得所获得的聚类满足：同一聚类中的对象相似度较高；而不同聚类中的对象相似度较小 1. 算法基本步骤 （1） 从 n个数据对象任意选择 k 个对象作为初始聚类中心； （2） 根据每个聚类对象的均值（中心对象），计算每个对象与这些中心对象的距离；并根据最小距离重新对相应对象进行划分； （3） 重新计算每个（有变化）聚类
基础学习笔记之opencv(18)：kmeans函数使用实例
weixin_34067980的博客
11-23 1028
  　　前言 　　一提到聚类算法，必然首先会想到的是kmeans聚类，因为它的名气实在太大了。既然这样，OpenCV中这个函数也自然必不可少了。这节内容主要是讲讲OpenCV中kmeans函数的使用方法。 　　开发环境：OpenCV2.4.3+QtCreator2.5.1   　　实验基础 　　在使用kmeans之前，必须先了解kmeans算法的2个缺点：第一是必须人为指定所聚的类的个...
opencv中的Kmeans使用示例
热门推荐
云鹤起舞的博客
06-07 1万+
kmeans是非常经典的聚类算法，至今也还保留着较强的生命力，图像处理中经常用到kmeans算法或者其改进算法进行图像分割操作，在数据挖掘中kmeans经常用来做数据预处理。opencv中提供了完整的kmeans算法，其函数原型为： double kmeans( InputArray data, int K, InputOutputArray bestLabels, TermCriteria
【K-Means 算法原理和函数使用】
最新发布
武帝为此的博客
08-22 181
KMeans算法的核心思想是将数据点分成预先指定数量的簇，使得簇内数据点的相似度最大化，而簇间数据点的相似度最小化。初始化：随机选择K个初始的聚类中心，其中K是用户指定的簇的数量。分配数据点：将每个数据点分配给距离最近的聚类中心，形成K个簇。更新聚类中心：计算每个簇中数据点的平均值，将这些平均值作为新的聚类中心。重复迭代：重复步骤2和步骤3，直到聚类中心不再变化或达到预定的迭代次数。收敛：算法在迭代过程中逐渐收敛，最终形成稳定的簇。
opencv kmeans 算法例子
wmsbeijing的专栏
11-11 646
opencv KMEANS 聚类算法的例子 ，visual studio +opencv 2.410
【图像处理笔记】图像分割之聚类和超像素
虚幻私塾
10-30 2222
的经典方法，它与亮度和颜色等变量有关;(2)用聚类从图像中提取“
【OpenCV学习笔记 015】SVM图像分类
DaveBobo的博客
10-14 4161
SVM图像分类
Opencv Kmeans聚类进行图像颜色聚类分割（绝对有用）
04-28
该程序利用OpenCV中的K均值聚类函数Kmeans2对图像进行颜色聚类，达到分割的目的。 编写此函数的目的是：Kmeans2函数的用法有些难掌握，参考资料少，尤其是对图像进行操作的例子少，我找了很久也找不到, 找到的例子也运行不了，今天终于自己搞定了，想给大家分享一下，供大家参考，节省大家利用Kmeans2进行图像方面开发的时间 ,少走一些弯路。 本例子对印章图像sample.bmp进行颜色聚类 运行此程序一定要配置好OpenCv环境啊！！！
Kmeans的opencv实现
04-14
本代码为一个简单的Kmeans应用。分为两个部分，第一部分为对随机数的Kmeans聚类；第二部分为对图像的简单聚类。
kmeans聚类的opencv实现(处理图像)
01-26
kmeans聚类算法在opencv中的实现，可实现单幅图像的聚类。将ncluster设置为2，即实现类似于二值化的功能。
kmeans+pam_Kmeans_图像聚类_PAM_图像聚类_图像分割_
10-02
使用kmeans以及pam算法分割图像，聚类数目需要自定
OpenCV52:OpenCV中的Kmeans聚类
uncle_ll的博客
01-20 3151
目标 了解如何在OpenCV中使用cv2.kmeans()函数进行数据聚类 理解参数 输入参数 sample：它应该是np.float32数据类型，并且每个特征都应该放在单个列中 nclusters(K)：结束条件所需的簇数 criteria：这是迭代终止标准条件。满足此条件后，算法迭代将停止。实际上，它是3个参数的元组，分别是(type, max_iter, epsilon)： type 终止条件的类型，它具有3个标志，如下所示： cv2.TERM_CRITERIA_EPS-如果达
python opencv Kmeans聚类
qq_41122834的博客
03-01 246
使用Kmeans将图片颜色聚类 import cv2 import numpy as np import matplotlib.pyplot as plt Img= cv2.imread('sunshine.jpg') img = cv2.cvtColor(Img,cv2.COLOR_BGR2RGB) Z = img.reshape((-1,3)) z = np.float32(Z) criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITE
OpenCV官方文档 理解k - means聚类
weixin_30401605的博客
05-16 95
理解k - means聚类 目标 在这一章中,我们将了解k - means聚类的概念,它是如何工作等。 理论 我们将这个处理是常用的一个例子。 t恤尺寸问题 考虑一个公司要发布一个新模型的t恤。 显然他们将不得不制造模型满足人们各种尺寸的大小不同。 所以公司的数据甚至€™身高和体重,并把它们放到图,如下: 公司无法为所有的尺寸制作衣服。 相反,他们...
opencv之kmeans聚类算法
qq_26460507的博客
02-10 1119
K-means算法算是个著名的聚类算法了，不仅容易实现，并且效果也不错，训练过程不需人工干预，实乃模式识别等领域的居家必备良品啊，今天就拿这个算法练练手。 总结来说，这个算法的步骤如下： 1.随机选取样本中的K个点作为聚类中心 2.计算所有样本到各个聚类中心的距离，将每个样本规划在最近的聚类中 3.计算每个聚类中所有样本的中心，并将新的中心代替原来的中心 4.检查新老聚类中心
OpenCV kmeans聚类
07-27
OpenCV中的kmeans聚类算法是一种常用的数据聚类算法，它可以将数据集划分为指定数量的类别。该算法在图像处理中常用于图像分割操作，也可以用于数据挖掘中的数据预处理。\[1\] 在OpenCV中，kmeans函数的原型为： ```cpp double cv::kmeans(InputArray data, int K, OutputArray bestLabels, TermCriteria criteria, int attempts, int flags, OutputArray centers) ``` 其中，参数说明如下： - data：表示需要被聚类的原始数据集合，每一行表示一个数据样本，每一列表示一个属性。数据集合的类型是Mat类型。 - K：表示分类的数目，常用的是K=2表示二分类。 - bestLabels：表示计算之后各个数据点的最终的分类索引，是一个INT类型的Mat对象。 - criteria：表示算法迭代终止条件，可以是迭代次数的限制条件或者指定的精度阈值。 - attempts：表示运行kmeans的次数，取结果最好的那次聚类为最终的聚类，一般进行2至3次尝试。 - flags：表示聚类初始化的条件，有三种取值情况，分别是随机选取初始化中心点、使用某种算法确定初始聚类点、使用用户自定义的初始点。 - centers：表示输出的每个分类的中心点数据。 通过调用OpenCV中的kmeans函数，可以对给定的数据集进行聚类操作，并得到每个数据点的分类结果和每个分类的中心点数据。\[2\]\[3\] #### 引用[.reference_title] - *1* [Opencv图像分割之K-means聚类算法](https://blog.csdn.net/linqianbi/article/details/79131056)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* *3* [Opencv 关于Kmeans算法](https://blog.csdn.net/qq_45445740/article/details/103114328)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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