Python使用OpenCV和K-Means聚类对毕业照进行图像分割


Posted in Python onJune 11, 2021

图像分割是将图像分割成多个不同区域(或片段)的过程。目标是将图像的表示变成更容易和更有意义的图像。

在这篇博客中,我们将看到一种图像分割方法,即K-Means Clustering

K-Means 聚类是一种无监督机器学习算法,旨在将N 个观测值划分为K 个聚类,其中每个观测值都属于具有最近均值的聚类。集群是指由于某些相似性而聚合在一起的数据点的集合。对于图像分割,这里的簇是不同的图像颜色。

我们使用的环境是pip install opencv-python numpy matplotlib

选择的图片是我们学校毕业照的图片,放心这里没有我,在学校公众号找的美图。

Python使用OpenCV和K-Means聚类对毕业照进行图像分割

导入所需模块:

import cv2
import numpy as np
import matplotlib.pyplot as plt
# read the image
image = cv2.imread("Graduation.jpg")

在进行图像分割之前,让我们将图像转换为RGB格式:

image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)

我们将使用cv2.kmeans()函数,它将一个2D数组作为输入,并且由于我们的原始图像是3D(宽度、高度和深度为3 个 RGB值),我们需要将高度和宽度展平为单个像素向量(3 个 RGB值):

# 将图像重塑为像素和3个颜色值(RGB)的2D数组
print(image.shape) #(853, 1280, 3)
pixel_values = image.reshape((-1, 3))
# 转换为numpy的float32
pixel_values = np.float32(pixel_values)
print(pixel_values.shape) #(1091840, 3)

关于opencv下的kmean算法,函数为cv2.kmeans()
函数的格式为:kmeans(data, K, bestLabels, criteria, attempts, flags)

data: 分类数据,最好是np.float32的数据,每个特征放一列。之所以是np.float32原因是这种数据类型运算速度快,如果是uint型数据将会很慢。

K: 分类数,opencv2的kmeans分类是需要已知分类数的。

bestLabels:预设的分类标签:没有的话 None

criteria:迭代停止的模式选择,这是一个含有三个元素的元组型数。格式为(type,max_iter,epsilon)max_iter迭代次数,epsilon结果的精确性

其中,type又有三种选择:

  • cv2.TERM_CRITERIA_EPS :精确度(误差)满足epsilon停止。
  • cv2.TERM_CRITERIA_MAX_ITER:迭代次数超过max_iter停止
  • cv2.TERM_CRITERIA_EPS+cv2.TERM_CRITERIA_MAX_ITER,两者合体,任意一个满足结束。
  • - attempts:重复试验kmeans算法次数,将会返回最好的一次结果

flags:初始类中心选择,两种方法

cv2.KMEANS_PP_CENTERS 算法kmeans++的center; cv2.KMEANS_RANDOM_CENTERS随机初始化

在这里,我们需要设置criteria确定停止标准。我们将在超过某些迭代次数(例如500)时停止,或者如果集群移动小于某个 epsilon 值(让我们在这里选择0.1),下面的代码在OpenCV 中定义了这个停止标准:

# 确定停止标准
criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 500, 0.1)

上面图像,会发现五种主要颜色(分别是天空、草地、树、人的上身白,人的下身黑)

因此,我们将为这张图片使用K=5:

k = 5
_, labels, (centers) = cv2.kmeans(pixel_values, k, None, criteria, 10, cv2.KMEANS_RANDOM_CENTERS)

cv2.KMEANS_RANDOM_CENTERS只是指示OpenCV最初随机分配集群的值。

我们将扁平化的图像像素值转换为浮点数32类型,是因为cv2.kmeans() 浮点数32类型,然后,让我们将浮点数转换回8 位像素值np.uint8(centers)

# 转换回np.uint8
centers = np.uint8(centers)

# 展平标签阵列
labels = labels.flatten()

segmented_image = centers[labels.flatten()]

转换回原始图像形状并显示:

#重塑回原始图像尺寸
segmented_image = segmented_image.reshape(image.shape)
plt.imshow(segmented_image)
plt.show()

Python使用OpenCV和K-Means聚类对毕业照进行图像分割

当然,我们还可以禁用图像中的一些K-Means 聚类集群。例如,让我们禁用集群编号1并显示图像:

# 禁用2号群集(将像素变为黑色)
masked_image = np.copy(segmented_image)
# 转换为像素值向量的形状
masked_image = masked_image.reshape((-1, 3))
cluster1 = 1
masked_image[labels == cluster1] = [0, 0, 0]
# 转换回原始形状
masked_image = masked_image.reshape(image.shape)
plt.imshow(masked_image)
plt.show()

Python使用OpenCV和K-Means聚类对毕业照进行图像分割

原来K-Means 聚类2 号集群 是树。

请注意,还有其他分割技术,例如霍夫变换、轮廓检测和当前最先进的语义分割。

到此这篇关于Python使用OpenCV和K-Means聚类对毕业照进行图像分割的文章就介绍到这了,更多相关OpenCV和K-Means图像分割内容请搜索三水点靠木以前的文章或继续浏览下面的相关文章希望大家以后多多支持三水点靠木!

Python 相关文章推荐
在Python的Django框架中编写编译函数
Jul 20 Python
python 文件操作api(文件操作函数)
Aug 28 Python
Python3.6.0+opencv3.3.0人脸检测示例
May 25 Python
Python 对输入的数字进行排序的方法
Jun 23 Python
使用sklearn之LabelEncoder将Label标准化的方法
Jul 11 Python
Python小工具之消耗系统指定大小内存的方法
Dec 03 Python
初探利用Python进行图文识别(OCR)
Feb 26 Python
django如何通过类视图使用装饰器
Jul 24 Python
基于Python新建用户并产生随机密码过程解析
Oct 08 Python
python对象销毁实例(垃圾回收)
Jan 16 Python
python实现QQ邮箱发送邮件
Mar 06 Python
Flask-SocketIO服务端安装及使用代码示例
Nov 26 Python
Python3中PyQt5简单实现文件打开及保存
Jun 10 #Python
Python selenium的这三种等待方式一定要会!
python实现股票历史数据可视化分析案例
Python如何识别银行卡卡号?
使用python+pygame开发消消乐游戏附完整源码
Python数据可视化之基于pyecharts实现的地理图表的绘制
python使用PySimpleGUI设置进度条及控件使用
You might like
《Re:从零开始的异世界生活》剧情体验,手游新作定名
2020/04/09 日漫
php获取$_POST同名参数数组的实现介绍
2013/06/30 PHP
3个PHP多维数组转为一维数组的方法实例
2014/03/13 PHP
php中fsockopen用法实例
2015/01/05 PHP
详细解读PHP的Yii框架中登陆功能的实现
2015/08/21 PHP
调试WordPress中定时任务的相关PHP脚本示例
2015/12/10 PHP
PHP判断访客是否手机端(移动端浏览器)访问的方法总结【4种方法】
2019/03/27 PHP
几个常用的JavaScript字符串处理函数 - split()、join()、substring()和indexOf()
2009/06/02 Javascript
jQuery的DOM操作之删除节点示例
2014/01/03 Javascript
讲解JavaScript中for...in语句的使用方法
2015/06/03 Javascript
jquery制作属于自己的select自定义样式
2015/11/23 Javascript
AngularJS控制器之间的通信方式详解
2016/11/03 Javascript
html中鼠标滚轮事件onmousewheel的处理方法
2016/11/11 Javascript
smartupload实现文件上传时获取表单数据(推荐)
2016/12/12 Javascript
Bootstrap整体框架之CSS12栅格系统
2016/12/15 Javascript
js-FCC算法-No repeats please字符串的全排列(详解)
2017/05/02 Javascript
vue弹窗插件实战代码
2018/09/08 Javascript
详解如何探测小程序返回到webview页面
2019/05/14 Javascript
小程序绑定用户方案优化小结
2019/05/15 Javascript
使用nodeJS中的fs模块对文件及目录进行读写,删除,追加,等操作详解
2020/02/06 NodeJs
uin-app+mockjs实现本地数据模拟
2020/08/26 Javascript
Jquery $.map使用方法实例详解
2020/09/01 jQuery
Pycharm编辑器技巧之自动导入模块详解
2017/07/18 Python
python读取Excel实例详解
2018/08/17 Python
python实现祝福弹窗效果
2019/04/07 Python
用于ETL的Python数据转换工具详解
2020/07/21 Python
html5拖曳操作 HTML5实现网页元素的拖放操作
2013/01/02 HTML / CSS
中邮全球便购:中国邮政速递物流
2017/03/04 全球购物
学生感冒英文请假条
2014/02/04 职场文书
护士求职自荐信范文
2014/03/19 职场文书
乡镇2014法制宣传日活动总结
2014/11/01 职场文书
2014年小学图书室工作总结
2014/12/09 职场文书
2014年绿化工作总结
2014/12/09 职场文书
2015年暑期社会实践活动总结
2015/03/27 职场文书
2015年社区重阳节活动总结
2015/07/30 职场文书
用PYTHON去计算88键钢琴的琴键频率和音高
2022/04/10 Python