HDU杭电--机器学习实验报告（九）

• 实验目的

• 1、理解无监督学习中Kmeans算法原理

• 2、掌握Sklearn实现基于Kmeans的图像分割

• 实验内容与要求

1、图像分割

利用图像的灰度、颜色、纹理、形状等特征，把图像分成若干个互不重叠的区域，并使这些特征在同一区域内呈现相似性，在不同的区域之间存在明显的差异性。然后就可以将分割的图像中具有独特性质的区域提取出来用于不同的研究。

图像分割技术已在实际生活中得到广泛的应用。例如:在机车检验领域，可以应用到轮毂裂纹图像的分割，及时发现裂纹，保证行车安全;在生物医学工程方面，对肝脏CT图像进行分割，为临床治疗和病理学研究提供帮助。

2、实例描述

目标:利用K-means聚类算法对图像像素点颜色进行聚类实现简单的图像分割

输出:同一聚类中的点使用相同颜色标记，不同聚类颜色不同

技术路线:ssklearn.cluster.KMeans

实例数据：本实例中的数据可以是任意大小的图片，为了使效果更佳直观，可以采用区分度比较明显的图片。

3、实验过程

·使用算法:Kmeans

·实现步骤:

（1）建立工程并导入sklearn包

（2）加载图片并进行预处理

（3）加载Kmeans聚类算法

（4）对像素点进行聚类并输出

• 实验程序与结果

import os
import numpy as np
from PIL import Image
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt
os.environ['LOKY_MAX_CPU_COUNT'] = '4'
def loadData(filePath): # 加载图像并进行预处理，将像素值归一化到0-1之间。
    try