该博客演示了如何使用Python和sklearn库的谱聚类算法对包含连接圆的图像进行分割。通过归一化图割方法，算法在考虑梯度和区域体积的同时，有效地切割图像。由于图像强度信息不重要，聚类集中在对象轮廓上，以分离对象。文中还提及了运行时间和内存使用情况，并邀请读者一起学习scikit-learn的机器学习算法。
在此示例中，将生成具有连接圆的图像，并使用谱聚类算法来分割圆。
在这些设置中，谱聚类算法解决了一个被称为“归一化图割(normalized graph cuts)”的问题：将图像视为已连接立体像素(voxels)的图，谱聚类算法相当于选择图割的定义区域，同时最小化沿着梯度减少的比例，以及区域的体积。
当算法尝试平衡体积(即平衡区域大小)时，如果我们采用不同大小的圆，则会分割失败。
另外，由于在图像强度或在其梯度中没有有用的信息，因此我们选择在仅受梯度影响较弱的图形上进行谱聚类。这近似于执行图的Voronoi分区。
另外，我们将使用对象的遮罩(mask)，用来把图形限制为对象的轮廓。在此示例中，我们主要关注的是将对象彼此分离，而不是将其与背景分离。
sphx_glr_plot_segmentation_toy_001
最低0.47元/天 解锁文章
扫一扫
170
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
