1 Kmean图像分割
按照Kmean原理，对图像像素进行聚类。
优点：此方法原理简单，效果显著。
缺点：实践发现对于前景和背景颜色相近或者颜色区分度差的图像效果不显著。
本文对图像进行滤波，主要是为了消除树枝颜色的影响（滤波为非Keman图像分割的必要操作）。
2 流程
（1）读入图片，把图片转化为二维。
（2）根据Kmean算法对图像分割，返回类别标签和各类别中心点。
（3）根据类别标签复制各类别中心点得到结果，在对结果调整到原有尺度。
3 实现
（1）图像分割前添加滤波，消除噪声
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
|
## 1 图像分割--Keman聚类import cv2import numpy as npimport matplotlib.pyplot as plt# 1 读入图片img0 = cv2.imread('bird.png', 1) # (548,727,3)img0 = cv2.cvtColor(img0, cv2.COLOR_BGR2RGB)img_ = cv2.GaussianBlur(img0, (13, 13), 10, 10)h, w, c = img_.shapeimg_blur = img_.reshape([-1, 3])img_blur = np.float32(img_blur)# 2 分类criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 10, 1.0)num_clusters = 2_, label, center_color = cv2.kmeans(img_blur, num_clusters, None, criteria, num_clusters, cv2.KMEANS_RANDOM_CENTERS)center_color = np.uint8( center_color) # img_blur[398396,3],label[398396,1],center[2,3]res = center_color[label.ravel()] # [398396,3]res = res.reshape([h, w, c]) # res[668044,3]--> [548,727,3]# 3 显示plt.subplot(131)plt.title('origin')plt.imshow(img0)plt.subplot(132)plt.title('img_blur')plt.imshow(img_)plt.subplot(133)plt.title('result')plt.imshow(res)plt.show() |
（2）颜色区分低的情况
当颜色区分低时，划分较少的种类，可以达到满意效果。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
|
## 1 图像分割--Keman聚类import cv2import numpy as npimport matplotlib.pyplot as plt# 1 读入图片img = cv2.imread('luna.png', 1) # (548,727,3)img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)h, w, c = img.shapeimg0= img.reshape([-1, 3])img0 = np.float32(img0)# 3 分类criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 10, 1.0)num_clusters = 2_, label, center_color = cv2.kmeans(img0, num_clusters, None, criteria, num_clusters, cv2.KMEANS_RANDOM_CENTERS)center_color = np.uint8( center_color) # img_blur[398396,3],label[398396,1],center[2,3]res = center_color[label.ravel()] # [398396,3]res = res.reshape([h, w, c]) # res[668044,3]--> [548,727,3]plt.subplot(121)plt.title('origin')plt.imshow(img)plt.subplot(122)plt.title('result')plt.imshow(res)plt.show() |
注： 可以改变中心点的数值，调整分割后图像的颜色。
|
1
2
3
4
5
6
7
|
center_color = np.uint8( center_color) ## 调整显示颜色center_color[0]=[0,0,255]center_color[1]=[255,0,0]res = center_color[label.ravel()] |
到此这篇关于OpenCV 图像分割实现Kmean聚类的示例代码的文章就介绍到这了,更多相关OpenCV Kmean聚类内容请搜索服务器之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持服务器之家！
原文链接：https://blog.csdn.net/qq_35732321/article/details/123756129
