OpenCV-Python：K值聚类

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 plt

X = 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 cv2

img = 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()