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
使用setup.py安装python包和卸载python包的方法
Nov 27 Python
Python中实现对Timestamp和Datetime及UTC时间之间的转换
Apr 08 Python
python编程之requests在网络请求中添加cookies参数方法详解
Oct 25 Python
详解python里的命名规范
Jul 16 Python
Python产生Gnuplot绘图数据的方法
Nov 09 Python
浅谈python的输入输出,注释,基本数据类型
Apr 02 Python
基于Django静态资源部署404的解决方法
Jul 28 Python
python函数声明和调用定义及原理详解
Dec 02 Python
4行Python代码生成图像验证码(2种)
Apr 07 Python
python3中sys.argv的实例用法
Apr 24 Python
如何实现一个python函数装饰器(Decorator)
Oct 12 Python
用Python实现定时备份Mongodb数据并上传到FTP服务器
Jan 27 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
PHP 增加了对 .ZIP 文件的读取功能
2006/10/09 PHP
Erlang的运算符(比较运算符,数值运算符,移位运算符,逻辑运算符)
2012/07/23 PHP
必须收藏的23个php实用代码片段
2016/02/02 PHP
PHP模板引擎Smarty内建函数foreach,foreachelse用法分析
2016/04/11 PHP
PHP编写简单的App接口
2016/08/28 PHP
php微信公众号开发之现金红包
2018/04/16 PHP
php strftime函数的详细用法
2018/06/21 PHP
PHP内置函数生成随机数实例
2019/01/18 PHP
PHP使用ActiveMQ实现消息队列的方法详解
2019/05/31 PHP
2020最新版 PhpStudy V8.1版本下载安装使用详解
2020/10/30 PHP
在vs2010中调试javascript代码方法
2011/02/11 Javascript
jQuery事件 delegate()使用方法介绍
2012/10/30 Javascript
Jquery树插件zTree用法入门教程
2015/02/17 Javascript
JQuery调用绑定click事件的3种写法
2015/03/28 Javascript
推荐三款不错的图片压缩上传插件(webuploader、localResizeIMG4、LUploader)
2017/04/21 Javascript
Node.js Express安装与使用教程
2018/05/11 Javascript
angular4自定义表单控件[(ngModel)]的实现
2018/11/23 Javascript
解决vue打包后vendor.js文件过大问题
2019/07/03 Javascript
Nuxt使用Vuex的方法示例
2019/09/06 Javascript
js实现百度淘宝搜索功能
2020/02/17 Javascript
JavaScript Event Loop相关原理解析
2020/06/10 Javascript
[33:09]完美世界DOTA2联赛循环赛 Forest vs DM BO2第二场 10.29
2020/10/29 DOTA
Python win32com 操作Exce的l简单方法(必看)
2017/05/25 Python
Python实现excel转sqlite的方法
2017/07/17 Python
Python爬虫设置代理IP(图文)
2018/12/23 Python
Python判断是否json是否包含一个key的方法
2018/12/31 Python
对python中GUI,Label和Button的实例详解
2019/06/27 Python
详解python和matlab的优势与区别
2019/06/28 Python
在python中做正态性检验示例
2019/12/09 Python
Python3 shutil(高级文件操作模块)实例用法总结
2020/02/19 Python
检测浏览器对HTML5和CSS3支持度的方法
2015/06/25 HTML / CSS
W Hamond官网:始于1979年的钻石专家
2020/07/20 全球购物
创先争优制度
2014/01/21 职场文书
小学数学教学反思
2014/02/02 职场文书
财务总监岗位职责范本
2015/04/03 职场文书
母亲节感言
2015/08/03 职场文书