9.1.3 使用聚类进行图像分割————机器学习实战第二版

最新推荐文章于 2025-03-11 12:29:52 发布

_qz

最新推荐文章于 2025-03-11 12:29:52 发布

阅读量1.1k

点赞数 3

分类专栏：机器学习实战第二版

本文链接：https://blog.youkuaiyun.com/m0_45210226/article/details/109719596

版权

机器学习实战第二版专栏收录该内容

2 篇文章

订阅专栏

本文介绍了一种简单的图像颜色分割方法，通过KMeans聚类算法对图像像素进行分割。首先读取图像，然后裁剪图像并重塑矩阵，接着应用KMeans进行聚类。根据不同的聚类数，展示了聚类后的效果，展示了从2到10个聚类簇的图像分割结果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

文章目录

一、简介

图像分割是将图像分成多个分割的任务。在语义分割中，属于同一对象类型的所有像素均被分配给同一像素。

这里做一个简单的颜色分割。如果像素具有相似的颜色，就将它们分配给同一分割。

二、原图

原图：~~我家小可爱的魔方大军，xixixi~~
在这里插入图片描述

三、步骤分析

读取图像
对图像矩阵进行KMeans聚类
输出图像并观察结果

四、代码

1. 导包

from matplotlib.image import imread
from matplotlib import pyplot as plt
from sklearn.cluster import KMeans

2.读取图像

img = imread(r'./a.jpg')
img.shape

结果为：
在这里插入图片描述

3. 裁剪图像并重置矩阵

img = img[1500:2000,1500:2000]	#裁剪图像，原图像训练时间过长
X = img.reshape(-1,3)			#reshape为三列，即每个像素点的RGB值
plt.imshow(img)
img.shape

结果为：
在这里插入图片描述

4. 聚类

1.难点

sklearn中KMeans算法及参数详解：详解
matplotlib库中subplot函数：详解
enumerate函数：详解

2. 代码

plt.figure(figsize = (10,10))		#定义画布大小		
segmented_imgs = []
n_colors = [10,8,6,4,2]				#聚类簇的个数
plt.subplot(231)
plt.title("Original image")			#原图
plt.imshow(img)
for n_clusters in n_colors:
    kmeans = KMeans(n_clusters = n_clusters ,random_state = 42).fit(X)
    #对矩阵X进行训练
    segmented_img = kmeans.cluster_centers_[kmeans.labels_]
    #kmeans.labels_是每个样本点的归属中心点
    segmented_imgs.append(segmented_img.reshape(img.shape)/255)
    #将图像reshape成原图像大小
    
for idx,n_clusters in enumerate(n_colors):
    plt.subplot(232+idx)
    plt.imshow(segmented_imgs[idx])
    plt.title("cluster = {}".format(n_clusters))
plt.show()

结果为：
在这里插入图片描述