Python学习 | 2021-11-05 Scipy聚类色彩提取

最新推荐文章于 2022-07-29 18:09:10 发布

宣纸儿

最新推荐文章于 2022-07-29 18:09:10 发布

阅读量2k

点赞数 2

分类专栏： Python学习文章标签：聚类 python 机器学习

本文链接：https://blog.csdn.net/weixin_48816626/article/details/121264372

版权

Python学习专栏收录该内容

14 篇文章 2 订阅

订阅专栏

一、聚类分析

1、聚类

2、Scipy中的聚类算法（K-Means）

一、聚类分析

1、聚类

聚类是把相似数据并成一组（group）的方法。不需要类别标注，直接从数据中学习模式。

2、Scipy中的聚类算法（K-Means）

随机选取K个数据点作为“种子”
根据数据点与“种子”的距离大小进行类分配
更新类中心点的位置，以新的类中心点作为“种子”
按照新的“种子”对数据归属的类进行重新分配
更新类中心点（-->3-->4），不断迭代，直到类中心点变得很小

3、聚类示例

完整代码：

import numpy as np
from scipy.cluster.vq import vq, kmeans, whiten
import matplotlib.pyplot as plt

fe = np.array([[1.9,2.0],
               [1.7,2.5],
               [1.6,3.1],
               [0.1,0.1],
               [0.8,0.3],
               [0.4,0.3],
               [0.22,0.1],
               [0.4, 0.3],
               [0.4,0.5],
               [1.8,1.9]])

book = np.array((fe[0], fe[1]))    #N维数组对象
print("book: \n",book)
codebook, distortion = kmeans(fe, book)
print("codebook: \n", codebook)
print("distortion: ", distortion)    

plt.scatter(fe[:,0], fe[:,1], c='g')    #展示聚类子集内的样本点
plt.scatter(codebook[:, 0], codebook[:, 1], c='r')    #展示各聚类子集的中心
plt.show()

运行结果：

（红点为聚类中心/质心）

函数使用：

kmeans(n_clusters=8, init='k-means++', n_init=10, max_iter=300, tol=0.0001, precompute_distances='auto', verbose=0, random_state=None, copy_x=True, n_jobs=None, algorithm='auto')

n_clusters k值，生成的聚类数，即产生的质心（centroids）数

max_iter 最大迭代次数（如果数据集不是凸集，可能很难收敛，可以通过指定最大的迭代次数让算法可以及时退出循环）

n_init 使用不同的初始化质心运行算法的次数（k值较大时，可以适当增大这个值）

二、图像色彩聚类

操作步骤：

用resize或者thumbnail生成缩略图
getcolors()返回图像的色彩和频次
聚类分析并生成示意图

完整代码：

from PIL import Image
import matplotlib.pyplot as plt
import numpy as np
from scipy.cluster.vq import vq, kmeans, whiten

im=np.array(Image.open('hm.jpg'))
 
def colorz(filename):
    img=Image.open(filename)
    img.thumbnail((200,200))    #thumbnail后的图片保持原有长宽比例，resize后的图片为设置的比例
    w,h=img.size
    print(w,h)
    print('w*h=',w*h)
    plt.axis('off')
    plt.imshow(img)
    plt.show()
    points=[]
    for count,color in img.getcolors(w*h):  
        points.append(color)
    return points

points=colorz('hm.jpg')
fe = np.array(points,dtype=float)   #聚类需要Float或者Double
book =np.array((fe[100],fe[1],fe[8],fe[8]))   #聚类中心，初始值
print("book: \n",book)
codebook, distortion = kmeans(fe,7)   #7是聚类中心个数
print("codebook:\n", codebook)   #聚类中心
centers=np.array(codebook,dtype=int)  #变为色彩，需要转为整数
print("distortion: ", distortion)

plt.scatter(fe[:,0], fe[:,2], c='b')
plt.scatter(codebook[:, 0], codebook[:,2], c='r')   
plt.show()

运行结果：

（七个聚类中心）

三、合并至Flask软件

部分代码：

from flask import Flask,render_template,request
import imageColor
import numpy as np
from PIL import Image
from scipy.cluster.vq import vq, kmeans, whiten
import os

app=Flask(__name__)

def colorz(filename,n=3):
    img=Image.open(filename)
    img=img.rotate(-90)
    img.thumbnail((200,200))
    w,h=img.size
    points=[]
    for count,color in img.getcolors(w*h):
        points.append(color)
    return points
def kmeansColor(img,n):
    points=colorz(img,3)
    fe = np.array(points,dtype=float)
    codebook, distortion = kmeans(fe,n)
    centers=np.array(codebook,dtype=int)
    return centers

@app.route('/')
def index():
    picname=request.args.get("picname", type=str)
    if not picname:
        picname='static/hash/image0.jpg'
    pic='static/hash/image'
    imgcolors = imageColor.kmeansColor(picname, 5)
    path = 'static/hash'
    filename = os.listdir(path)
    framecount = len(filename)
    filename.sort(key=lambda x: int(x[5:-4]))
    return render_template('index.html',pic1=pic,imgcolors=imgcolors,filename=filename,framecount=framecount)

if "__main__"==__name__:
    app.run(port="5008")

<!DOCTYPE html>
<html lang="en">
<head>
    <meta charset="UTF-8">
    <title>Flask分镜</title>
</head>
<body style="background-color:#74759b">
视频分镜
<br>
<video width="640" height="480" controls autoplay>
  <source src="static/ghz.mp4" type="video/mp4">
  <object data="static/ghz.mp4" width="640" height="480">
    <embed width="640" height="480" src="static/ghz.mp4">
  </object>
</video>
<br>
哈希分镜帧数：{{framecount}}<br>
{{imgcolors}}<br>
{% for c in imgcolors %}
<font style="color:rgb({{c[0]}},{{c[1]}},{{c[2]}})">图像色彩</font>
{% endfor %}
<br>
{% for i in range(framecount) %}
<a href="/?picname=static/hash/{{filename[i]}}"><img height="40" src="static/hash/{{filename[i]}}" /></a>
{{filename[i]}}
{% endfor %}
{% for c in imgcolors %}
<div style="background-color:rgb({{c[0]}},{{c[1]}},{{c[2]}}); width: 40%; height: 30%;">
    <font style="color:rgb({{c[0]}},{{c[1]}},{{c[2]}});font-size:50px">1</font>
</div>
{% endfor %}
</body>
</html>