Python聚类色彩提取—

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
from scipy.cluster.vq import vq, kmeans, whiten
import matplotlib.pyplot as pltfe = np.array([[1.9,2.0],[1.7,2.5],[1.6,3.1],[0.1,0.1],[0.8,0.3],[0.4,0.3],[0.22,0.1],[0.4, 0.3],[0.4,0.5],[1.8,1.9]])book = np.array((fe[0], fe[1]))
print(type(book))
print("book:\n",book)codebook, distortion = kmeans(fe,book)
print("codebook:",codebook)
print("distortion:",distortion)plt.scatter(fe[:,0],fe[:,1],c="g")
plt.scatter(codebook[:,0],codebook[:,1],c="r")
plt.show()#红色的为聚类中心

运行结果：

二、色彩聚类提取

图像颜色是由不同的RGB数值组成的，因此除了数字，图像色彩同样可以进行聚类。并利用之前学过的Pycharm flask框架，将结果加载到网页中显示。

思路是先生成图像缩略图，对缩略图聚类，得到每个点的RGB值，再利用算法将色彩聚类，并得到聚类中心。色彩聚类最常使用的算法是Kmeans。

K均值聚类算法：一种迭代求解的聚类分析算法，其步骤是，预将数据分为K组，则随机选取K个对象作为初始的聚类中心，然后计算每个对象与各个种子聚类中心之间的距离，把每个对象分配给距离它最近的聚类中心。聚类中心以及分配给它们的对象就代表一个聚类。每分配一个样本，聚类的聚类中心会根据聚类中现有的对象被重新计算。这个过程将不断重复直到满足某个终止条件。终止条件可以是没有（或最小数目）对象被重新分配给不同的聚类，没有（或最小数目）聚类中心再发生变化，误差平方和局部最小。

Python部分代码：

from flask import Flask,render_template
import numpy as np
from PIL import Image
from scipy.cluster.vq import vq, kmeans, whiten
import imageColorapp = Flask(__name__)#用缩略图聚类
def colorz(filename, n=3):img=Image.open(filename)img=img.rotate(-90)img.thumbnail((200,200))w,h=img.sizeprint(w,h)print('w*h=',w*h)points=[]for count,color in img.getcolors(w*h):points.append(color)return points#对色彩聚类
def kmeansColor(img,n):points=colorz(img,3)fe = np.array(points,dtype=float)codebook, distortion = kmeans(fe,n)centers=np.array(codebook,dtype=int)return centers@app.route("/")
def index():#genFrame()pic = "static/fall.png"imgcolors = imageColor.kmeansColor("static/fall.png",5)return render_template("imageColor.html", pic1=pic, imgcolors=imgcolors)if "__main__" == __name__ :app.run()

html部分代码：

<!DOCTYPE html>
<html lang="en">
<head><meta charset="UTF-8"><title>聚类色彩提取</title>
</head>
<body>聚类色彩提取<br><img height="400" src='static/fall.png'><br>{{imgcolors}}<br>{% for c in imgcolors %}<font style="color:rgb({{c[0]}},{{c[1]}},{{c[2]}})">色彩提取</font>{% endfor %}
</body>
</html>

运行结果：

Python聚类色彩提取——Scipy-kmeans相关推荐

opencv python 主色彩提取
opencv python 主色彩提取一.KMeans是什么? 二.具体步骤 1.读入图像 2.建立KMenas模型 3.使用KMeans聚类 4.统计各个聚类比率 5.根据比率建立色卡三.代码示 ...
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 ...
Scipy-kmeans聚类色彩提取
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 ...
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, ...
【Python数据挖掘课程】三.Kmeans聚类代码实现、作业及优化
这篇文章直接给出上次关于Kmeans聚类的篮球远动员数据分析案例,同时介绍这次作业同学们完成的图例,最后介绍Matplotlib包绘图的优化知识. 前文推荐: [Pyth ...
聚类 python 代码_不足 20 行 Python 代码，高效实现 k-means 均值聚类算法
下载好向圈APP可以快速联系圈友您需要登录才可以下载或查看,没有帐号?立即注册 x 不足 20 行 Python 代码,高效实现 k-means 均值聚类算法-1.jpg (143.81 KB, ...
python分层聚类集群合并_24、python分层聚类案例（scipy方法）
目录 1.分层聚类算法 2.方法 3.分析步骤 4.案例 1.分层聚类算法层次聚类算法又称为树聚类算法,它根据数据之间的距离,透过一种层次架构方式,反复将数据进行聚合,创建一个层次以分解给定的数据 ...
Python，OpenCV提取图片中的多个茄子种子轮廓，并按从左到右排序后显示
Python,OpenCV提取图片中的多个茄子种子轮廓,并按从左到右排序后显示 1. 效果图 2. 源码写这篇博客源于博友的提问,期望把下图中的多个茄子种子按从左到右的顺序提取出来: 1. 效果图 ...
python聚类的结果显示_使用Python进行聚类
微信公众号:岭南见闻关注可了解更多的数据处理技巧.问题或建议,请公众号留言; 如果你觉得文章对你有帮助,欢迎赞赏导入数据,进行聚类from sklearn.datasets import load ...

Python聚类色彩提取——Scipy-kmeans

一、聚类：物以类聚

二、色彩聚类提取

Python聚类色彩提取——Scipy-kmeans相关推荐

最新文章

热门文章