python实现kmeans图像分割_K-Means 实现图像分割

使用的环境，python3.5，opencv2

函数的格式为：

cv2.kmeans(data, K, bestLabels, criteria, attempts, flags)

'''

参数：

data: 分类数据，最好是np.float32的数据，每个特征放一列。

K: 分类数，opencv2的kmeans分类是需要已知分类数的。

bestLabels：预设的分类标签或者None

criteria：迭代停止的模式选择，这是一个含有三个元素的元组型数。格式为（type, max_iter, epsilon）

其中，type有如下模式：

—–cv2.TERM_CRITERIA_EPS :精确度（误差）满足epsilon停止。

—-cv2.TERM_CRITERIA_MAX_ITER：迭代次数超过max_iter停止。

—-cv2.TERM_CRITERIA_EPS+cv2.TERM_CRITERIA_MAX_ITER，两者合体，任意一个满足结束。

attempts：重复试验kmeans算法次数，将会返回最好的一次结果

flags：初始中心选择，有两种方法：

——v2.KMEANS_PP_CENTERS;

——cv2.KMEANS_RANDOM_CENTERS

返回值：

compactness：紧密度，返回每个点到相应重心的距离的平方和

labels：结果标记，每个成员被标记为0,1等

centers：由聚类的中心组成的数组

'''

灰度图片分割

# -*- coding: utf-8 -*-

# @Author : matthew

# @Software: PyCharm

import cv2

import matplotlib.pyplot as plt

import numpy as np

def seg_kmeans_gray():

img = cv2.imread('000129.jpg', cv2.IMREAD_GRAYSCALE)

# 展平

img_flat = img.reshape((img.shape[0] * img.shape[1], 1))

img_flat = np.float32(img_flat)

# 迭代参数

criteria = (cv2.TERM_CRITERIA_EPS + cv2.TermCriteria_MAX_ITER, 20, 0.5)

flags = cv2.KMEANS_RANDOM_CENTERS

# 聚类

compactness, labels, centers = cv2.kmeans(img_flat, 2, None, criteria, 10, flags)

# 显示结果

img_output = labels.reshape((img.shape[0], img.shape[1]))

plt.subplot(121), plt.imshow(img, 'gray'), plt.title('input')

plt.subplot(122), plt.imshow(img_output, 'gray'), plt.title('kmeans')

plt.show()

if __name__ == '__main__':

seg_kmeans_gray()

结果：

彩色图片分割

# -*- coding: utf-8 -*-

# @Author : matthew

# @Software: PyCharm

import cv2

import matplotlib.pyplot as plt

import numpy as np

def seg_kmeans_color():

img = cv2.imread('000129.jpg', cv2.IMREAD_COLOR)

# 变换一下图像通道bgr->rgb，否则很别扭啊

b, g, r = cv2.split(img)

img = cv2.merge([r, g, b])

# 3个通道展平

img_flat = img.reshape((img.shape[0] * img.shape[1], 3))

img_flat = np.float32(img_flat)

# 迭代参数

criteria = (cv2.TERM_CRITERIA_EPS + cv2.TermCriteria_MAX_ITER, 20, 0.5)

flags = cv2.KMEANS_RANDOM_CENTERS

# 聚类

compactness, labels, centers = cv2.kmeans(img_flat, 2, None, criteria, 10, flags)

# 显示结果

img_output = labels.reshape((img.shape[0], img.shape[1]))

plt.subplot(121), plt.imshow(img), plt.title('input')

plt.subplot(122), plt.imshow(img_output, 'gray'), plt.title('kmeans')

plt.show()

if __name__ == '__main__':

seg_kmeans_color()

结果：