关于K聚类，我曾经在一篇博客中提到过，这里简单的做个回顾。
KMeans的步骤以及其他的聚类算法
K-均值是因为它可以发现k个不同的簇，且每个簇的中心采用簇中所含值的均值计算
其他聚类算法：二分K-均值
讲解一下步骤，其实就是说明一下伪代码
随机选择k个点作为起始质心当任意一个点的簇分配结果发生改变时对数据集中的每个数据点对每个质心计算质心与数据点之间的距离将数据分配到距其最近的簇对每一个簇，计算簇中所有点的均值并将均值作为质心OpenCV中使用cv2.kmeans()对数据进行分类
理解函数的参数
输入参数：cv2.kmeans(data，K， bestLabels，criteria，attempt，flags)
1. data：应该是np.float32类型的数据，每个特征应该放在一列。
2. K：聚类的最终数目
3. criteria：终止迭代的条件。当条件满足，算法的迭代终止。它应该是一个含有3个成员的元组，它们是（type，max_iter， epsilon）:
type终止的类型：有如下三种选择：
- cv2.TERM_CRITERIA_EPS 只有精确度epslion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 上面的任何一个条件满足时停止迭代
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的次数。算法会返回紧密度最好的标记。紧密度也会作为输出被返回
5. flags：用来设置如何选择起始中心。通常我们有两个选择：cv2.KMEANS_PP_CENTERS和 cv2.KMEANS_RANDOM_CENTERS。
输出参数：
1. compactness：紧密度返回每个点到相应中心的距离的平方和
2. labels：标志数组，每个成员被标记为0，1等
3. centers：有聚类的中心组成的数组
仅有一个特征的数据
假设我们有一组数据，每个数据只有一个特征。例如前面的T恤问题，我们只用身高来决定T恤的大小。我们来产生一些随机数据，并使用Matplotlib
# 随机在25~100之间产生25个值
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)
plt.hist(z,256,[0,256]),plt.show()
我们使用KMeans函数。先设置好终止条件。10次迭代或者精确度epsilon=1.0
# Define criteria = ( type, max_iter = 10 , epsilon = 1.0 ) criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 10, 1.0)# Set flags (Just to avoid line break in the code) flags = cv2.KMEANS_RANDOM_CENTERS# Apply KMeans compactness,labels,centers = cv2.kmeans(z,2,None,criteria,10,flags)
把数据分成两组
A = z[labels==0] B = z[labels==1]
现在将 A 组数用红色表示，将 B 组数据用蓝色表示，重心用黄色表示。
# Now plot 'A' in red, 'B' in blue, 'centers' in yellow 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
T恤我们只考虑了身高，现在将体重也考虑进去，也就是两个特征。在本例中我们的测试数据是50x2的向量，其中包含50个人的身高和体重。第一列对应身高，第二列对应体重。如下图所示：
import numpy as np import cv2 from matplotlib import pyplot as pltX = np.random.randint(25,50,(25,2)) Y = np.random.randint(60,85,(25,2)) Z = np.vstack((X,Y))# convert to np.float32 Z = np.float32(Z)# define criteria and apply kmeans() # 迭代次数为10次，精确度为1.0 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)# Now separate the data, Note the flatten() A = Z[label.ravel()==0] B = Z[label.ravel()==1]# Plot the data 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
颜色量化就是减少图片中颜色数目的一个过程，其原因是为了减少内存消耗。现在有3个特征：R，G，B，所以我们需要把图片数据变形成Mx3（M是图片中像素点的数目）的向量。聚类完成后，我们用聚类中心值替换与其同簇的像素值，这样结果图片就只含指定数目的颜色了。
分别取K=2、4、8
import numpy as np import cv2img = cv2.imread('home.jpg') Z = img.reshape((-1,3))# convert to np.float32 Z = np.float32(Z)# define criteria, number of clusters(K) and apply kmeans() criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 10, 1.0) K = 2 ret,label,center=cv2.kmeans(Z,K,None,criteria,10,cv2.KMEANS_RANDOM_CENTERS)# Now convert back into uint8, and make original image center = np.uint8(center) res = center[label.flatten()] res2 = res.reshape((img.shape))cv2.imshow('K=2',res2) cv2.imwrite('K=2.png', res2) cv2.waitKey(0) cv2.destroyAllWindows()
