【Machine Learning】OpenCV中的K-means聚类

本文介绍了如何在Python与OpenCV环境下利用cv2.kmeans()接口进行K-means聚类。详细讲解了接口的输入参数,如samples、nclusters、criteria等,并通过1维和2维特征的实例展示了聚类过程与结果。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

在上一篇(【Machine Learning】K-means算法及优化)中,我们介绍了K-means算法的基本原理及其优化的方向。opencv中也提供了K-means算法的接口,这里主要介绍一下如何在python+opencv的环境下,使用k-means接口(C++的接口形式相似)。

python版本的k-means算法接口,即cv2.kmeans()


输入参数

-samples: 类型必须是np.float32型,每个特征应该放置在单独的一个列中;

-nclusters(K):最终要确定的类别数;

-criteria:迭代终止的条件,3通道参数,分别是(type, max_iter, epsilon):

  • 3.a -type: 终止条件的类型,有如下3个flag: cv2.TERM_CRITERIA_
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值