K-means聚类分析属于非层次聚类法的一种。首先选择某些记录作为凝聚点（可人为指定），按就近原则将其余记录向凝聚点凝集，计算出各个处室分类的中心位置（均值），用计算出的中心位置重新进行聚类，如此循环反复，知道凝聚点位置收敛为止。

kmeans算法又名k均值算法,K-means算法中的k表示的是聚类为k个簇，means代表取每一个聚类中数据值的均值作为该簇的中心，或者称为质心，即用每一个的类的质心对该簇进行描述。
其算法思想大致为：先从样本集中随机选取 k个样本作为簇中心，并计算所有样本与这 k个“簇中心”的距离，对于每一个样本，将其划分到与其距离最近的“簇中心”所在的簇中，对于新的簇计算各个簇的新的“簇中心”。
————————————————
版权声明：本文为CSDN博主「Best-yz」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/qq_43741312/article/details/97128745

一.基本原理实例

import numpy as np
from scipy.cluster.vq import vq,kmeans,whiten
import matplotlib.pyplot as plt#样本数据
fe=np.array([[1.6,2.3],[0.5,0.8],[0.1,2.8],[3.5,5.6],[0.6,0.7]])#选择出初始化的凝聚中心K
book=np.array((fe[0],fe[1]))
print("book:\n",book)#计算数值之间的距离
codebook,distortion=kmeans(fe,book)
print(kmeans(fe,book))
print("codebook:",codebook)
print("distortion:",distortion)#将各个数据点再图里呈现
plt.scatter(fe[:,0],fe[:,1],c='g')
plt.scatter(codebook[:,0],codebook[:,1],c="r")
plt.show

二.对一张图片的色彩聚类

1.用PIL生成小尺寸图片，准备在缩略图上进行聚类。并且得出图片色彩的数据值。

im=np.array(Image.open("logo.png"))def colorz(filename,n=3):img=Image.open(filename)img.thumbnail((200,200))w,h=img.sizeprint(w,h)print("w*h=",w*h)plt.axis("off")plt.imshow(img)plt.show()points=[]for cout,color in img.getcolors(w*h):points.append(color)#将图片颜色数据装入列表return points
colorz("logo.png",3)

2.对色彩聚类

points=colorz("logo.png",3)
fe=np.array(points,dtype=float)
book=np.array((fe[100],fe[1],fe[8],fe[8]))codebook,distortion=kmeans(fe,7)
centers=np.array(codebook,dtype=int)fe=np.array(points)
plt.scatter(fe[:,0], fe[:,2], c='b')
plt.scatter(codebook[:, 0], codebook[:,2], c='r')   #聚类中心
plt.show()

承接上步colorz自定义函数，通过float方法处理数据，因为聚类数据需要时Float或者是Double
确定聚类中心，放入book
kmeans（fe，7），7是聚类中心个数
聚类结束，若想在图里显示色彩，还得转为整数

运行结果：红色为七个聚类中心。

3.合并到FLlask软件中

julei.py文件：

from flask import Flask,render_template
import numpy as np
from scipy.cluster.vq import vq,kmeans,whiten
from PIL import Imageapp=Flask(__name__)def colorz(filename,n=3):img=Image.open(filename)img=img.rotate(-90)img.thumbnail((200,200))w,h=img.sizepoints=[]for cout,color in img.getcolors(w*h):points.append(color)return pointsdef kmeansColor(img,n):points=colorz(img,3)fe = np.array(points, dtype=float)codebook, distortion = kmeans(fe, 7)centers = np.array(codebook, dtype=int)return centers@app.route('/')def julei():#genFrame()imgcolors=kmeansColor("static/all/image100.jpg",5)return render_template("julei.html",imgcolors=imgcolors)if "__main__"==__name__:app.run(port="0723")

julei.html文件：

<!DOCTYPE html>
<html lang="en">
<head><meta charset="UTF-8"><title>spicy</title>
</head>
<body>
<img height="400" src='static/all/image0.jpg'>
<br>
{{imgcolors}}<br>
{% for c in imgcolors %}
<font style="color:rgb({{c[0]}},{{c[1]}},{{c[2]}}">颜色</font>
{% endfor %}
</body>
</html>

结果：

Scipy-kmeans聚类色彩提取相关推荐

Python聚类色彩提取——Scipy-kmeans
一.聚类:物以类聚数组可以进行聚类,并找到数组的聚类中心.使用的第三方库是scipy,需要pip install scipy,先安装该库.数组聚类代码: import numpy as np fro ...
Python学习 | 2021-11-05 Scipy聚类色彩提取
目录一.聚类分析 1.聚类 2.Scipy中的聚类算法(K-Means) 3.聚类示例完整代码: 运行结果: 函数使用: 二.图像色彩聚类操作步骤: 完整代码: 运行结果: 三.合并至Flask ...
基于python的K-means聚类提取图片主色
基于python+opencv的彩色图片主色提取--利用K-means聚类算法一.K-means聚类算法 1.K-means算法原理 2. K-means聚类算法流程 3.sklearn库中skle ...
基于K-Means聚类算法的主颜色提取
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达 01.简介本期我们将一起实现基于K-Means聚类算法的主色提取 ...
基于Kmeans聚类算法的图像分割（色彩分割）实战
基于Kmeans聚类算法的图像分割(色彩分割)实战图像分割是将一幅图像分割成多个像素区域的任务.属于同一对象类型的所有像素都被分配到同一类别下.图像分类是给一副完整的图像一个类别,目标检测是检测到图 ...
OpenCV-Python实战（番外篇）——利用 K-Means 聚类进行色彩量化
OpenCV-Python实战(番外篇)--利用 K-Means 聚类进行色彩量化前言利用 K-Means 聚类进行色彩量化完整代码显示色彩量化后的色彩分布相关链接前言 K-Means 聚 ...
沙湖王 | 用Scipy实现K-means聚类算法
沙湖王 | 用Scipy实现K-means聚类算法用Scipy实现K-means聚类算法
用Scipy实现K-means聚类算法
用Scipy实现K-means聚类算法用Scipy实现K-means聚类算法 | 沙湖王用Scipy实现K-means聚类算法作者: rickey 日期: 2012 年 7 月 21 日发表评 ...
第七次作业整理（分镜+色彩提取/20211105）
目录分镜 shot.py 修改main.py 色彩提取原理安装包的准备生成缩略图得到聚类中心分镜前面的内容中已经分别实现哈希均值和直方图分镜,以及pycharm的基本使用和逐帧提取, ...

Scipy-kmeans聚类色彩提取

一.基本原理实例

二.对一张图片的色彩聚类

Scipy-kmeans聚类色彩提取相关推荐

最新文章

热门文章