【计算机视觉】图像聚类&噪声

1. 图像分类与聚类

以下算法不只能用于图像聚类

1.1 分类

• 分类：从特定的数据中挖掘模式，作出判断的过程。（也就是给出一个标签）

• 分类学习主要过程（有监督学习supervised Learning）：

  （1）训练数据集存在一个类标记号，判断它是正向数据集（起积极作用，不垃圾邮件）， 还是负向数据集（起抑制作用，垃圾邮件）；

  （2）然后需要对数据集进行学习训练，并构建一个训练的模型；

  （3）通过该模型对预测数据集进预测，并计算其结果的性能。

  

1.2 聚类

• 聚类：从广义上说，聚类就是将数据集中在某些方面相似的数据成员放在一起。 一个聚类就是一些数据实例的集合，其中处于相同聚类中的数据元素彼此相似，但是处于不同聚类中的元素彼此不同。

• 聚类解释：将一些数据分成几堆，但是并不知道每一堆都有什么样的特点 、分别属于哪一类。也就是把相同特点的聚成一堆，但是不知道具体是什么特点。

• 无监督学习：由于在聚类中那些表示数据类别的分类或分组信息是没有的，即这些数据是没有标签的，所以聚类通常被归为无监督学习（Unsupervised Learning）。

• 聚类的目的：把数据分类，但是事先是不知道如何去分的，完全是算法自己来判断各条数据之间的相似性，相似的就放在一起。

• 分类与聚类区别：聚类主要是"物以类聚"，通过相似性把相似元素聚集在一起，它没有标签；而分类通过标签来训练得到一个模型，对新数据集进行预测的过程，其数据存在标签。分类属于有监督学习，聚类属于无监督学习。

  分类	聚类
  有标签	有监督学习
  无标签聚类	无监督学习
  训练过程

• 聚类样本间的属性：有序属性(西瓜的甜度:0.1,0.2,0.3)、无序属性(性别:男,女)

1.2.1 原型聚类：K-Means聚类（最常用算法）

K均值聚类算法（K-Means聚类）最初起源于信号处理，其目标是将数据点划分为K个类簇。

• 优点：简单、便于理解，运算速度较快

• 缺点：要在聚类前指定聚集的类簇数；必须事先给出k，对噪声和孤立点数据敏感

• k-means聚类算法的分析流程 ：

  • 第一步，确定K值（人为确定），即将数据集聚集成K个类簇或小组。

  • 第二步，从数据集中随机选择K个数据点作为质心（Centroid）或数据中心。

  • 第三步，分别计算每个点到每个质心之间的距离，并将每个点划分到离最近质心的小组。

  • 第四步，当每个质心都聚集了一些点后，重新定义算法选出新的质心。

    注释：一般来说对于每个簇，计算每个簇均值，即得到新的k个质心点。当然也可以计算每个簇的最大值最小值或者其他特殊值做质心，根据实际情况改变 。

  • 第五步，迭代执行第三步到第四步，直到迭代终止条件满足为止。

    注释：迭代终止条件一般指聚类结果不再变化，即最后每簇的数据不再变化。但也可以人为设置其他终止条件，根据实际情况而变。

• Kmeans()函数原型：
  retval, bestLabels, centers = kmeans(data, K, bestLabels, criteria, attempts, flags[, centers])

  参数解释：

  • data表示聚类数据，最好是np.flloat32类型的N维点集

  • K表示聚类类簇数

  • bestLabels表示输出的整数数组，用于存储每个样本的聚类标签索引

  • criteria表示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）其中，type有如下模式：
    —–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表示重复试验kmeans算法的次数，算法返回产生的最佳结果的标签

  • flags表示初始中心的选择，两种方法是cv2.KMEANS_PP_CENTERS ;和cv2.KMEANS_RANDOM_CENTERS

  • centers表示集群中心的输出矩阵，每个集群中心为一行数据

• 图像处理中的运用场景：图像分割、图像聚类、图像识别

【代码实现】直接调用K-Menas接口

# coding=utf-8  
from sklearn.cluster import KMeans
 
"""
第一部分：数据集
X表示二维矩阵数据，篮球运动员比赛数据
总共20行，每行两列数据
第一列表示球员每分钟助攻数：assists_per_minute
第二列表示球员每分钟得分数：points_per_minute
"""
X = [[0.0888, 0.5885],
     [0.1399, 0.8291],
     [0.0747, 0.4974],
     [0.0983, 0.5772],
     [0.1276, 0.5703],
     [0.1671, 0.5835],
     [0.1306, 0.5276],
     [0.1061, 0.5523],
     [0.2446, 0.4007],
     [0.1670, 0.4770],
     [0.2485, 0.4313],
     [0.1227, 0.4909],
     [0.1240, 0.5668],
     [0.1461, 0.5113],
     [0.2315, 0.3788],
     [0.0494, 0.5590],
     [0.1107, 0.4799],
     [0.1121, 0.5735],
     [0.1007, 0.6318],
     [0.2567, 0.4326],
     [0.1956, 0.4280]   
    ]
 
#输出数据集
print (X)

"""
第二部分：KMeans聚类
clf = KMeans(n_clusters=3) 表示类簇数为3，聚成3类数据，clf即赋值为KMeans
y_pred = clf.fit_predict(X) 载入数据集X，并且将聚类的结果赋值给y_pred
"""

clf = KMeans(n_clusters=3)
y_pred = clf.fit_predict(X)
 
#输出完整Kmeans函数，包括很多省略参数
print(clf)
#输出聚类预测结果
print("y_pred = ",y_pred)
 
"""
第三部分：可视化绘图
"""

import numpy as np
import matplotlib.pyplot as plt

#获取数据集的第一列和第二列数据 使用for循环获取 n[0]表示X第一列
x = [n[0] for n in X]
print (x)
y = [n[1] for n in X]
print (y)

''' 
绘制散点图 
参数：x横轴; y纵轴; c=y_pred聚类预测结果; marker类型:o表示圆点,*表示星型,x表示点;
'''
plt.scatter(x, y, c=y_pred, marker='x')
 
#绘制标题
plt.title("Kmeans-Basketball Data")
 
#绘制x轴和y轴坐标
plt.xlabel("assists_per_minute")
plt.ylabel("points_per_minute")
 
#设置右上角图例
plt.legend(["A","B","C"])
 
#显示图形
plt.show()

运行结果：

[[0.0888, 0.5885], [0.1399, 0.8291], [0.0747, 0.4974], [0.0983, 0.5772], [0.1276, 0.5703], [0.1671, 0.5835], [0.1306, 0.5276], [0.1061, 0.5523], [0.2446, 0.4007], [0.167, 0.477], [0.2485, 0.4313], [0.1227, 0.4909], [0.124, 0.5668], [0.1461, 0.5113], [0.2315, 0.3788], [0.0494, 0.559], [0.1107, 0.4799], [0.1121, 0.5735], [0.1007, 0.6318], [0.2567, 0.4326], [0.1956, 0.428]]
KMeans(n_clusters=3)
y_pred =  [0 2 0 0 0 0 0 0 1 1 1 0 0 0 1 0 0 0 0 1 1