聚类方法实现字符和对象分割

最新推荐文章于 2024-09-22 21:07:45 发布

原创

最新推荐文章于 2024-09-22 21:07:45 发布 · 694 阅读

0 ·

CC 4.0 BY-SA版权

本文档展示了如何使用K均值聚类算法实现字符和对象分割。代码包括了计算距离、确定簇归属、获取质心、计算平均误差等功能，并通过连接组件进一步处理结果，以识别和分割图像中的字符或对象。最后，提供了调用该功能的示例程序。

首先是头文件。下面文件可以直接编译成DLL。主函数是cluseterMethod。

#ifdef MYDLL_EXPORTS
#define MYDLL_API __declspec(dllexport)
#else
#define MYDLL_API __declspec(dllimport)
#endif
#include <string>
#include <vector>
#include "opencv2/opencv.hpp"

MYDLL_API void cluseterMethod(cv::Mat lenaImg, std::vector<cv::Rect>& rects);

CPP文件，MyDLL.cpp。这里包含了MyDLL.h等头文件。头文件包括了Mat所用的HPP文件。

#include "MyDLL.h"

MYDLL_API float getDistance(cv::Point3f t1, cv::Point3f t2)
{
   double dx = powf((t1.x - t2.x), 2);
   double dy = powf((t1.y - t2.y), 2);
   double dz = powf((t1.z - t2.z), 2);
   return sqrt(dx + dy + dz);
};

//根据质心，决定当前元组属于哪个簇
MYDLL_API int class_inputdata(cv::Point3f means[], cv::Point3f tuple)
{
   float dist = getDistance(means[0], tuple);
   float tmp;
   int label = 0;//标示属于哪一个簇
   for (int i = 1; i < CLUSTERCNT; i++)
   {
       tmp = getDistance(means[i], tuple);
       if (tmp < dist)
       {
           dist = tmp;
           label = i;
       }
   }
   return label;
};

//获得当前簇的均值（质心）
MYDLL_API cv::Point3f getMeans(std::vector<cv::Point3f> cluster)
{

   double num = cluster.size();
   cv::Point3f t;
   for (double i = 0; i < num; i++)
   {
       t.x += cluster[i].x;
       t.y += cluster[i].y;
       t.z += cluster[i].z;
   }
   t.x /= num;
   t.y /= num;
   t.z /= num;
   return t;
};

//获得给定簇集的平均误差
MYDLL_API float getVar(std::vector<cv::Point3f> clusters[], cv::Point3f means[])
{
   float var = 0;
   float count = 0;
   for (int i = 0; i < CLUSTERCNT; i++)
   {
       std::vector<cv::Point3f> t = clusters[i];
       for (int j = 0; j < t.size(); j++)
       {
           count++;
           var += getDistance(t[j], means[i]);
       }
   }
   return var / count;

};

//检查当前初始点是否与已有点重复
//重复返回true
//不重复返回false
MYDLL_API int check_repeat(cv::Point3f means[