opencv c++ kmeans 使用的一点心得

一张灰度图的kmeans过程

我们首先来看看opencv中kmeans的接口定义：
kmeans(InputArray, K, bestLabels, criteria, attempts, flags, centers)
InputArray: 很容易理解，就是待处理的数据，但是我们现在是一张灰度图，我们就需要处理成它需要的格式，我们来仔细看看改如何处理。
步骤如下：

int K = 3;
cv::Mat img = cv::imread('test.jpg', cv::IMREAD_GRAYSCALE);
int origrows = img.rows;
img.convertTo(img, CV_32F);
//开始做kmeans
cv::Mat labels, centers;
cv::kmeans(img, K, labels, 
			cv::TermCriteria(CV_TERMCRIT_ITER + CV_TERMCRIT_EPS, 1000, 0.0001),
			3, cv::KMEANS_PP_CENTERS, centers);

至此，我们的kmeans就执行结束了
到这里，我们的关键问题就出现了，kmeans返回的结果里面，labels很好理解，centers乍一看，也很好理解，但是，labels并不会按照图片的灰度值进行排序，而是根据centers里面的值进行映射排序。这就给我们带来了麻烦。我们其实想要获取的，是把label替换成对应的centers中心灰度值。我们改如何操作呢？

labels.forEach<int>([&](int& p, const int position[])->void {
	*(labels.ptr<int>(int(position[0]), 0)) = int(centers.at<float>(p,0));
});
//为了让非背景变成最白，我们做一次减法
labels = 255 - labels;
labels.convertTo(labels, CV_8UC1);
cv::Mat labelsImg = labels.reshape(1, origrows);

当然，此处的forEach函数看起来让人费解，但这是比for更高效的方式，务必使用。lambda表达式也可以替换为一个函数，这个看个人喜好了。