在文章

今天我用Python手写了一个K-means算法，来完成同样的功能。

聚类是数据挖掘中一种非常重要的学习流派，指将未标注的样本数据中相似的分为同一类，正所谓“物以类聚，人以群分”。

K-means是聚类算法中最为简单、高效的，核心思想：由用户指定k个初始中心，以作为聚类的类别，重复迭代更新数据集的中心直至算法收敛。

代码有点长，关键代码我会进行分析，其余代码没必要进行分析。

首先，我们定义一个计算距离的方法，我采用的是欧氏距离。

def get_euclidean_distance(_pixel, _center):

"""

获得欧氏距离

:param _pixel: 像素

:param _center: 中心

:return: 欧氏距离

"""

d_pow_2 = 0

for _channel_index in range(n_channels):

d_pow_2 += pow(_pixel[_channel_index] - _center[_channel_index], 2)

return np.sqrt(d_pow_2)

然后定义一个方法来计算中心，方便之后进行迭代。

def get_nearest_center(_pixel):

"""

获得最近的中心

:param _pixel: 像素

:return: 最近的中心的index

"""

min_center_d = get_euclidean_distance(_pixel, centers[0])

min_center_index = 0

for _center_index in range(1, k):

d = get_euclidean_distance(_pixel, centers[_center_index])

if d < min_center_d:

min_center_d = d

min_center_index = _center_index

return min_center_index

下面的模块用于计算新的中心，体现了K-means的关键思想。

def cal_new_center():

"""

如果有的中心没有最邻近的，那就说明选到了俩一样颜色的中心(虽然概率很小)那就重新选一个

:return: 新的中心

"""

# 归零

center_counts = np.zeros(k, dtype=int)

_centers = np.zeros((k, n_channels), dtype=int)

# 对每个类逐通道求和

for _pixel_index in range(n_pixels):

center_counts[labels[_pixel_index]] += 1

for _channel_index in range(n_channels):

_centers[labels[_pixel_index]][_channel_index] += img[_pixel_index][_channel_index]

# 对每个中心算出均值

for _center_index in range(k):

if center_counts[_center_index] > 0:

for _channel_index in range(n_channels):

_centers[_center_index][_channel_index] /= center_counts[_center_index]

else:

# 要是中心选重了就重新再选一个(虽然概率很小)

_centers[_center_index] = img[random.randint(0, n_pixels - 1)]

print('WARNING: Center %d has no pixel, re-choose center randomly...' % _center_index)

return _centers

上面的代码已经完成了K-means的关键部分，其他的代码都是在对图像像素进行遍历处理，以及得到K-means聚类后进行输出。代码已经上传在github上了：https://github.com/shulisiyuan/mainColor

我使用这张图片进行了测试，设置的中心点K=4

下面是代码跑出来的结果，可以看出下面的四种颜色主要就是图片中的颜色。

这种方法跑的比较慢，有很多可以优化的地方，后续有时间再慢慢优化。

打算收集大量图片进行分析，构建一个相似颜色图片的聚类。简单实现Google的图图片颜色聚类功能。