OpenCV52:OpenCV中的Kmeans聚类

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-如果达到指定的精度epsilon，则停止算法迭代

    • cv2.TERM_CRITERIA_MAX_ITER-在指定的迭代次数max_iter之后停止算法

    • cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER-当满足上述任何条件时停止迭代

  • max_iter-一个整数，指定最大迭代次数
  • epsilon-要求的精度

• attempts：该标志用于指定使用不同的初始标签执行算法的次数。该算法返回产生最佳紧密度的标签。该紧凑性作为输出返回。

• flags：此标志用于指定初始中心的获取方式。通常，为此使用两个标志：**cv2.KMEANS_PP_CENTERS**和cv2.KMEANS_RANDOM_CENTERS

输出参数

• compactness：它是每个点到其相应中心的平方距离的总和。

• labels：这是标签数组，其中每个元素可以标记为0，1 …

• centers：这是群集中心的阵列。

现在，将通过三个示例了解如何应用K-Means算法。

单特征数据

假设有一组仅具有一个特征（即一维）的数据。例如，之前的T恤问题，只用身高这一特征来决定T恤的尺寸。因此，首先创建数据并将其绘制在Matplotlib中

import cv2
import numpy as np
from matplotlib import pyplot as plt

x = np.random.randint(25, 100, 25)     # 25个25~100的数据
y = np.random.randint(175, 255, 25)    # 25个175~255的数据

z = np.hstack((x,y))   # 堆叠在一起
z = z.reshape((50,1))  # 向量变换
z = np.float32(z)      # 数据类型变换

plt.hist(z, 256, [0,256])  # 绘制直方图
plt.show()

因此，通过随机生成获得z数据，它是一个大小为(50, 1)的数组，值的范围是0到255，将z重塑为列向量后画出以下图像：

现在应用OpenCV的KMeans函数。在此之前，需要指定停止标准，本次设置的标准是迭代运行10次算法或达到$epsilon=1.0$精度时，就停止算法并返回结果。

# define cirteria = (type, max_iter=10, epsilon=1.0)
certeria = (cv2.TERM_CRITERIA_EPS+cv2.TERM_CRITERIA_MAX_ITER, 10, 1.0)

# set flags 
flags = cv2.KMEANS_RANDOM_CENTERS

# apply KMeans
compactness, labels, centers = cv2.kmeans(z, 2, None, certeria, 10, flags)  # 分为2簇
print(compactness, centers, labels)

# centers 
# array([[ 57.879997],
#        [225.12    ]], dtype=float32)

# labels 每个点所属于的类别

# compactness 每个点距离属于的簇心的距离和

上述结果提供了紧凑性，标签和中心。在这种情况下，得到的中心分别为58和225。标签的大小将与测试数据的大小相同，其中每个数据的质心都将标记为0，1等。现在根据标签将数据分为不同的群集。

A = z[labels==0]
B = z[labels==0]

现在以红色绘制A，以蓝色绘制B，以黄色绘制其质心。

# now ploat 'A'用红色 'B'用蓝色，用黄色画出质心
plt.hist(A, 256, [0, 256], color='r')
plt.hist(B, 256, [0, 256], color='b')
plt.hist(centers, 32, [0, 256], color='y')
plt.show()

得到以下结果：

多特征数据

在前面的示例中，仅考虑了T恤问题的身高。多维数据时候需要考虑多个特征，这里将同时考虑身高和体重两个特征。

在以前的情况下，将数据制作为单个列向量，每个特征排列在一列中，而每一行对应于一个输入测试样本。

在多维情况下，设置了一个大小为50x2的测试数据，即50个人的身高和体重。第一列对应于全部50个人的身高，第二列对应于体重。第一行包含两个元素，其中第一个是第一人称的身高，第二个是其的体重。类似地，剩余的行对应于其他人的身高和体重。查看下面的图片：

多维特征的实现代码

import cv2
import numpy as np
from matplotlib import pyplot as plt

X = np.random.randint(25, 50, (25, 2))
Y = np.random.randint(60, 85, (25, 2))
Z = np.vstack((X,Y))

# convet to np.float32
Z = np.float32(Z)

# define criteria and apply kmeans
criteria = (cv2.TERM_CRITERIA_EPS+cv2.TERM_CRITERIA_MAX_ITER, 10, 1.0)
ret, label, center = cv2.kmeans(Z, 2, None, criteria, 10, cv2.KMEANS_RANDOM_CENTERS)

# None seperate the data, note the flatten()
A = Z[label.ravel()==0]
B = Z[label.ravel()==1]

# plot the data
plt.scatter(A[:, 0], A[:, 1], c='r')
plt.scatter(B[:, 0], B[:, 1], c='b')
plt.scatter(center[:,0], center[:, 1], s=80, c='y', marker='s')
plt.xlabel('Height')
plt.ylabel('Weight')
plt.show()

得到如下结果：

颜色量化

颜色量化（color quantization）是减少图像中颜色数量的过程，这样做的目的之一是减少内存。有时，某些设备可能会受到限制，因此只能产生有限数量的颜色。同样在那些情况下，执行颜色量化。在这里使用k均值聚类进行颜色量化。

彩色图像每个像素点有3个值R,G,B，将其作为三个特征。因此，需要将图像重塑为Mx3大小的数组（M是图像中的像素数）。**在聚类之后，将质心值（也是R,G,B）应用于所有像素，以使生成的图像具有指定数量的颜色。**之后将向量转化为原始图像的形状。下面是代码：

import cv2
import numpy as np
from matplotlib import pyplot as plt

img = cv2.imread('home.png')
Z = img.reshape((-1, 3))

# convert to np.float32
Z = np.float32(Z)

# # define criteria, number of clusters(K) and apply kmeans()
criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 10, 1.0)
K = 8

ret, label, center = cv2.kmeans(Z, K, None, criteria, 10, cv2.KMEANS_RANDOM_CENTERS)

# Now convert back into uint8, and make original image
center = np.uint8(center)
res = center[label.flatten()]
res2 = res.reshape((img.shape))

plt.imshow(res2)
plt.show()

可以看的K=2, K=4, K=8的结果

附加资源

• cv2.kmeans()
• plt.hist()
• https://docs.opencv.org/4.5.4/d1/d5c/tutorial_py_kmeans_opencv.html