[数据挖掘] k-means聚类 算法进行图像分割

k-means 简单描述

• 簇: 即聚集出来的每个类别, 有 k 个簇
• 质心: 每个簇的中心, k-means算法中, 簇中心的计算特指簇中所含值的均值(means),
  质心的值代表了整个簇的值

综上, 我们把该算法称作k-means 算法.

算法:

1. 初始化选择质心 (随机选择, 或者领域知识选择), 该选择决定了聚类的速度与效果
2. 当还某个点在经过以下步骤后其簇分配发生变化时: 
	   对每个数据点:
	   		对每个簇的质心
	   		计算数据点与每个质心的距离
	   将该数据点分配到距离簇质心最近的簇中

使用场景:

只要需要用某个值代替总体的时候就可以使用该算法

优缺点:

优点:

• 实现简单
• 使用场景广泛

缺点

• k值选取难
• 因为是取均值, 受噪声影响较大
• 可能出现局部最优解
  看个例子:
  下图展示了最终的划分结果, + 是质心所在位置, 我们可以看到, 这已经达到了局部最优解(每个簇的平均值无法更新质心位置), 但结果并不好.
  
  局部最优解的解决方案大家可以参考<二分k均值算法(bisecting k means)>

基于k-means的图像分割

使用k-means对图像进行分割, 我们将每个像素点划分到不同的簇上, 并用每个簇质心的值来代替这个簇的所有像素点的值, 实现简单的图像分割

算法步骤

1. 初始化每个类别的中心点:
   这里根据图像通道数进行初始化, 如果是rgb图像, 每个类别的中心点需要包含三个通道, 每个通道可以看作原始k-means聚类的一个维度(即特征的数量, 有多少个属性).
2. 循环以下, 直到每次计算中心点后其值不变化
   2.1. 根据中心点聚类: 计算图像中每个像素点与每个类别中心点的距离, 距离最小的那个类别为该像素点所属的类别.
   2.2. 根据每个类别更新中心点: 根据每个类别的所有像素点, 计算这些像素点每个通道的均值, 以均值作为新的中心点
3. 聚类, 跟2.2步骤相同, 得到每个像素点的类别
4. 根据每个类别的中心点来更新原图每个像素的值

效果 :

以下, 我们分别对下图(侵删)进行不同初始化, 观察结果的不同:
k 值 均选用 4
我采用了三种偏向对质心初始化

1. 平均 255个色级
2. 偏向于小的值 (黑色)
3. 偏向于大的值 (白色)

网上随便找的原图:

初始化1:

结果:

初始化2:

初始化3:

可以看到, 要是初始化不准, 很容易出现局部最优解的情况!

完整代码:

import numpy as np
import matplotlib.pyplot as plt
from PIL import Image

def cluster(ks, data):
    c, r = data.shape[:2]
    res = [[] for i