k均值聚类图像分割实战 python

算法源于西瓜书309页介绍的约束种子k均值算法

1.事先标注好一部分数据：

绿色部分是前景对应的rgb是[0,255,0]

蓝色部分是背景 rgb[0,0,255]

根据标注好的数据，遍历原始图片中的每一个像素点

计算该像素点与前景、背景的距离

与前景距离小就并入前景，否则并入背景

循环往复，直至前景，背景不再变化

代码：

import matplotlib.image as mpimg
import numpy as np
from PIL import Imageim = mpimg.imread('D:\\pythonProject\\data\\selectedimages\\monkey.bmp')
im2 = mpimg.imread('D:\\pythonProject\\data\\selectedimages\\monkey_marker.bmp')
im = np.array(im)
im2 = np.array(im2)
dst = np.zeros((im2.shape[0], im2.shape[1], 3))
S_f = []
S_b = []def init_S():for i in range(im2.shape[0]):for j in range(im2.shape[1]):if (im2[i][j] == [0, 255, 0]).all():S_f.append([i, j])if (im2[i][j] == [0, 0, 255]).all():S_b.append([i, j])def count_ave_color_f():R_a = 0G_a = 0B_a = 0for k in S_f:R_a += im[k[0]][k[1]][0]G_a += im[k[0]][k[1]][1]B_a += im[k[0]][k[1]][2]ave_color_f = np.array([int(R_a / len(S_f)), int(G_a / len(S_f)), int(B_a / len(S_f))])return ave_color_fdef count_ave_color_b():R_b = 0G_b = 0B_b = 0for k in S_b:R_b += im[k[0]][k[1]][0]G_b += im[k[0]][k[1]][1]B_b += im[k[0]][k[1]][2]ave_color_b = np.array([int(R_b / len(S_b)), int(G_b / len(S_b)), int(B_b / len(S_b))])return ave_color_bT = 0
init_S()
count = []
num = 0
while T < 10:T += 1a_c_f = count_ave_color_f()a_c_b = count_ave_color_b()count.append([a_c_f, a_c_b])if T >= 2:x = count.pop(0)if (x[0] == a_c_f).any() and (x[1] == a_c_b).any():print('均值向量不再变化')breakS_f = []S_b = []for i in range(im2.shape[0]):for j in range(im2.shape[1]):d_f = np.sqrt(sum(np.power((a_c_f - im[i][j]), 2)))d_b = np.sqrt(sum(np.power((a_c_b - im[i][j]), 2)))if d_f < d_b:S_f.append([i, j])else:S_b.append([i, j])print('前景像素:', len(S_f), '\t', '背景像素:', len(S_b))print('第%d轮迭代结束，' % T, '前景的均值为:', a_c_f, '背景的均值为：', a_c_b)##画图
for i in S_f:dst[i[0], i[1]] = [255, 255, 255]  ###将前景转为白色
for j in S_b:dst[j[0], j[1]] = [0, 0, 0]  ###将背景转为黑色img2 = Image.fromarray(np.uint8(dst))
img2.show(img2)
img2.save("output.png", "png")

运行结果：

这个聚类方法只能处理特定的图像，也就是前景背景均值向量差距较大的图片，实际运用效果不怎么样，但是练练手还可以。

k均值聚类图像分割实战 python相关推荐

VTK：K均值聚类用法实战
VTK:K均值聚类用法实战程序输出程序完整源代码程序输出程序完整源代码 #include <vtkActor.h> #include <vtkDoubleArray.h> ...
k均值聚类图像分割matlab代码_用K均值聚类法为人类拍摄的首张黑洞照片进行分割...
众所周知,人类最近拍摄了首张黑洞照片.网友们纷纷表示,这明明就是一个甜甜圈嘛!以前以为黑洞是这个世界上最最高冷的存在,而此刻突然现出真身,形象却是如此的人畜无害!不但如此,还勾起了网友的食欲!简直是罪 ...
python图像分割_基于K均值聚类算法的Python图像分割
1个K均值算法实际上,K-means算法是一种非常简单的算法,与算法思想或特定实现无关. 通过以一定方式测量样本之间的相似度,并迭代更新聚类中心,它属于无监督分类. 当聚类中心不再移动或移动差异小于 ...
机器学习算法与Python实践之k均值聚类（k-means）
机器学习算法与Python实践之(五)k均值聚类(k-means) zouxy09@qq.com http://blog.csdn.net/zouxy09 机器学习算法与Python实践这个系列主要是 ...
Python，OpenCV中的K均值聚类——K-Means Cluster
Python,OpenCV中的K均值聚类 1. 效果图 2. 原理 2.1 什么是K均值聚类? 2.2 K均值聚类过程 2.3 cv2.kmeans(z, 2, None, criteria, 10, ...
Python OpenCV应用K均值聚类进行颜色量化
Python OpenCV应用K均值聚类进行颜色量化 1. 效果图 2. 颜色量化是什么? 3. MiniBatchKMeans & KMeans 4. 源码参考在这篇博客文章中,我将向您 ...
K均值聚类关于初始聚类中心选取的一种改进（python程序）
本程序是K均值聚类关于初始聚类中心选取的一种改进,原理来自于周志华的机器学习,这里只是尝试用python实现下.刚开始学习python,可能有问题大家觉得有用就借鉴下,如果哪里有问题还望指正.关于K均 ...
python机器学习案例系列教程——k均值聚类、k中心点聚类
全栈工程师开发手册 (作者:栾鹏) python数据挖掘系列教程上一篇我们学习了层次聚类.层次聚类只是迭代的把最相近的两个聚类匹配起来.并没有给出能给出多少的分组.今天我们来研究一个K均值聚类.就是 ...
python机器学习库sklearn——k均值聚类
全栈工程师开发手册 (作者:栾鹏) python数据挖掘系列教程 k均值聚类的相关的知识内容可以参考 http://blog.csdn.net/luanpeng825485697/article/de ...

k均值聚类图像分割实战 python

k均值聚类图像分割实战 python相关推荐

最新文章

热门文章

k均值聚类 图像分割实战 python

k均值聚类 图像分割实战 python相关推荐

最新文章

热门文章

k均值聚类图像分割实战 python

k均值聚类图像分割实战 python相关推荐