win10+Python3.7.3+OpenCV3.4.1入门学习（二十二章 K均值聚类）———— 22.2 K均值聚类模块

Python版本是Python3.7.3，OpenCV版本OpenCV3.4.1，开发环境为PyCharm

22.2 K均值聚类模块

OpenCV提供了函数cv2.kmeans()来实现K均值聚类。该函数的语法格式为：

retval, bestLabels, centers=cv2.kmeans(data, K, bestLabels, criteria, attempts, flags)

式中各个参数的含义为：
● data：输入的待处理数据集合，应该是np.float32类型，每个特征放在单独的一列中。
● K：要分出的簇的个数，即分类的数目，最常见的是K=2，表示二分类。
● bestLabels：表示计算之后各个数据点的最终分类标签（索引）。实际调用时，参数bestLabels的值设置为None。
● criteria：算法迭代的终止条件。当达到最大循环数目或者指定的精度阈值时，算法停止继续分类迭代计算。该参数由3个子参数构成，分别为type、max_iter和eps。
type表示终止的类型，可以是三种情况，分别为：
● cv2.TERM_CRITERIA_EPS：精度满足eps时，停止迭代。
● cv2.TERM_CRITERIA_MAX_ITER：迭代次数超过阈值max_iter时，停止迭代。
● cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER：上述两个条件中的任意一个满足时，停止迭代。
● max_iter：最大迭代次数。
● eps：精确度的阈值。
● attempts：在具体实现时，为了获得最佳分类效果，可能需要使用不同的初始分类值进行多次尝试。指定attempts的值，可以让算法使用不同的初始值进行多次（attempts次）尝试。
● flags：表示选择初始中心点的方法，主要有以下3种。
● cv2.KMEANS_RANDOM_CENTERS：随机选取中心点。
● cv2.KMEANS_PP_CENTERS：基于中心化算法选取中心点。
● cv2.KMEANS_USE_INITIAL_LABELS：使用用户输入的数据作为第一次分类中心点；如果算法需要尝试多次（attempts 值大于1时），后续尝试都是使用随机值或者半随机值作为第一次分类中心点。
返回值的含义为：
● retval：距离值（也称密度值或紧密度），返回每个点到相应中心点距离的平方和。
● bestLabels：各个数据点的最终分类标签（索引）。
● centers：每个分类的中心点数据。