[OpenCV+VS2015]Kmeans颜色聚类算法（路牌检测程序）

[OpenCV+VS2015]Kmeans颜色聚类算法（路牌检测程序）

学到kmeans了，然后做个最简单的路牌颜色检测验证一下算法效果。不使用Opencv里的API了，自己编一个算法试试看效果。提供给大家一个思路

本人也是小白萌新，很多想法并不成熟，如果有错误，欢迎指正！

1 Kmeans算法介绍

传送门几篇很牛逼的Kmeans算法介绍：
一、【机器学习】K-Means算法的原理流程、代码实现及优缺点
二、k-means 的原理，优缺点以及改进
三、KMeans 算法（一）
简单来说呢，这是一种用于图像分割的算法。

K-Means聚类的步骤是
（1）设定需要聚类数目k，然后在数据点空间里随机选取k个点，称为簇心。
（2）遍历空间所有的数据点，计算每个点到这k个簇心的欧氏距离，找到距离该点最近的簇心，把这个点归到对应的簇中。最后所有的数据点都会被归类到 k个簇中。
（3）针对每一类簇，计算簇中所有数据的点的重心（平均距离中心），作为该簇新的簇心。最后每一类簇都会得到新的簇心。
（4）重复步骤（2）（3），直到达到某个终止条件，遍可以终止迭代。

需要注意的是，终止条件可以有很多，比如：迭代的次数、簇中心的变化率，所有点的最小均方差等，总之达到终止条件的时候，聚类应该基本完成。

最后多次迭代，这个中心点就不怎么动了，就停在这一类里了，然后两类自然而然就分离开了

2 算法代码

2.1 kmeans聚类代码

根据k的个数，在图片中选取k个聚类簇心的初始点。选取的方法很简单：我取了图片中间一行的像素点，将这一行像素点平均分成k份，从而均匀取得k个点作为初始点

将选取的聚类点的RGB三通道的值分别存储到对应的数组之中，接着执行之前所属的（2）（3）步骤：遍历图片所有像素点，计算每个像素点到这k个簇心的RGB距离，找到RGB距离最近的簇心，将这个点归到这一簇类中。之后重新计算新的簇心点，计算的方法就是把同一簇下的像素点R、G、B分量分别相加求和，然后除以这一簇类所有点的个数，得到平均值。

需要注意的是得到的新平均值RGB分量可能带有小数，需要对它int化。
这样经过多次迭代，我们就能将所有点进行聚类，颜色相近的点会被归到一类里。

void RGB_kmeans(Image &src, Image &dst )
{
   
	int i, j, s, it,t,pos;
	double diff;
    double mindiff = _mindiff;
	int Maxitr = _Maxitr;

	assert(!src.empty());
	for (i = 1; i < src.size(); i++) {
   
		assert(src[i].size() == src[0].size());
	}

	int rows = src.size();
	int cols = src[0].size();

	Mat cluster(src.size(), src[0].size(), CV_8UC1);
	dst.clear();

	double temp = src.size() / k;
	if (temp < 1||temp<0)
	{
     
		printf("the input 'k' error.please try again!");
	}

	int interval = (src.size() - src.size() % k) / k;
	int krow[k] = {
   0};
	int kcol[k] = {
   0};

	int kr[k];
	int kg[k];
	int kb[k];
	double fact_kr[k];
	double fact_kg[k];
	double fact_kb[k];
	int pre_kr[k];
	int pre_kg[k];
	int pre_kb[k]