OpenCV学习笔记(1):Kmeans聚类

   前言

    一提到聚类算法，必然首先会想到的是kmeans聚类，因为它的名气实在太大了。最近，刚好要使用OpenCV中Kmeans函数。这节内容主要是讲讲OpenCV中kmeans函数的使用方法。

　开发环境：OpenCV2.4.8+VS2013

  实验基础

  在使用kmeans之前，必须先了解kmeans算法的2个缺点：第一是必须人为指定所聚的类的个数k；第二是如果使用欧式距离来衡量相似度的话，可能会得到错误的结果，因为没有考虑到属性的重要性和相关性。为了减少这种错误，在使用kmeans距离时，一定要使样本的每一维数据归一化，不然的话由于样本的属性范围不同会导致错误的结果。

　　实验一是对随机产生的sampleCount个二维样本（共分为clusterCount个类别），每个类别的样本数据都服从高斯分布，该高斯分布的均值是随机的，方差是固定的。然后对这sampleCount个样本数据使用kmeans算法聚类，最后将不同的类用不同的颜色显示出来。

　　下面是程序中使用到的几个OpenCV函数：

　　void RNG::fill(InputOutputArray mat, int distType, InputArray a, InputArray b, bool saturateRange=false )