十五天掌握OpenCV——理解K值聚类

T恤大小问题

1. 案例分析：服装厂要生产T恤，需要获得尺寸数据，所以收集一批身高体重信息并且绘在坐标系上。
2. 为了便于生产，需要将数据分类。K值聚类可以把所有数据分为N组。
   

工作原理

把图中数据分为两组。
第一步：随机选取两重心点C1、C2.
第二步：计算每个点到两重心点距离。距离C1近标为0，距离C2近标为1.属于0的标为红色，属于1的标为蓝色。
第三步：重新计算所有蓝色和红色点的重心，以两点更新重心点的位置。
重复第二步，更新点的标记。不断迭代，直到两重心点位置稳定。此时这些点到相应重心的距离之和最小。
K值聚类改进方向：如何选取好的起始重心点，怎样加速迭代过程。

OpenCV中的K值聚类

解释函数参数—— cv2.kmeans()

输入参数：

1. samples:np.float32类型数据，每个特征放在一列。
2. nclusters(K):聚类的最终数目。
3. criteria：终止迭代的条件。条件满足，迭代终止。含三成员（typw，max_iter，epsilon）的元组。
   ——type终止的三种类型：
   cv2.TERM_CRITERIA_EPS 只有精确度epsilon满足时停止迭代
   cv2.TERM_CRITERIA_MAX_ITER 当迭代次数超过阈值时停止迭代
   cv2.TERM_CRITERIA_EPS+cv2.TERM_CRITERIA_MAX_ITER 上面一个条件满足就停止迭代
   ——max_iter 最大迭代次数
   ——epsilon 精确度阈值
4. attempts：使用不同的起始标记来执行算法次数。算法返回紧密度最好的标记，紧密度也作为输出被返回。
5. flags：设置如何选择起始重心。cv2.KMEANS_PP_CENTERS 或 cv2.KMEANS_RANDOM_CENTERS
   输出参数：
6. compactness:紧密度，返回每个点到相应重心的距离的平方和。
7. labels:标志数组，将成员标记为0,1。
8. centers:由聚类中心组成的数组。

仅有一个特征的数据

1. 对一组只有一个特征的数据，先产生随机数据，使用Matplotlib绘制。
2. 将长度为50、取值范围是0-255的向量Z进行重排，变成列向量。将数据类型转换为np.float32。得到下图：
3. 设置好终止条件：算法执行10次迭代或者精确度为1.0，使用KMeans函数。返回值：紧密度compactness、标志和中心。
4. A组数据用红色表示，B组数据用蓝色表示，重心用黄色表示。结果下图：

代码演示

#coding=utf-8
import numpy as np
import cv2
from matplotlib import  pyplot as plt

x=np.random.randint(25,100,25)
y=np.random.randint(175,255,25)
z=np.hstack((x,y))
z=z.reshape((50,1))
z=np.float32(z)

criteria=(cv2.TERM_CRITERIA_EPS+cv2.TERM_CRITERIA_MAX_ITER,10,1.0)
flags=cv2.KMEANS_RANDOM_CENTERS
compactness,labels,centers=cv2.kmeans(z,2,None,criteria,10,flags)

A=z[labels==0]
B=z[labels==1]

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()

含有多个特征的数据

有n个特征就使用n列向量。每一行对应每一个元素。

代码演示

#coding=utf-8
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))

Z=np.float32(Z)

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)

A=Z[label.ravel()==0]
B=Z[label.ravel()==1]

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

颜色量化

1. 减少图片中颜色数目的一个过程。为了减少内存消耗。
2. K值聚类的方法来进行颜色量化。
3. 3个特征：R、G、B，把图片数据变形成M（图片中像素点数目）×3的向量。
4. 聚类完成后，用聚类中心值替换与其同组的像素值，保证结果图片只含有指定数目的颜色。

代码演示

#coding=utf-8
import cv2
import numpy as np

img=cv2.imread('./image2/mario.jpg')
Z=img.reshape((-1,3))

Z=np.float32(Z)#转换数据类型

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)

center=np.uint8(center)
res=center[label.flatten()]
res2=res.reshape((img.shape))

cv2.imshow('res2',res2)
cv2.waitKey(0)
cv2.destroyAllWindows()