opencv Kmeans之图像分割

最新推荐文章于 2023-06-16 13:55:12 发布
原创 最新推荐文章于 2023-06-16 13:55:12 发布 · 938 阅读 · 2 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文介绍了KMeans算法的基本原理，它是一种非监督学习的硬分类方法，常用于机器学习、数据挖掘等领域。KMeans的工作流程包括初始化分类中心、计算数据点与中心点的距离并重新分配类别、更新中心点等步骤，直至满足停止条件。此外，文章还详细讲解了OpenCV中KMeans函数的API使用，包括参数含义和图像分割的实验应用，展示了如何利用KMeans进行图像区域自动分割。

一、话说kmeans

KMeans算法MacQueen在1967年提出的，是最简单与最常见数据分类方法之一并且最为一种常见数据分析技术在机器学习、数据挖掘、模式识别、图像分析等领域都用应用。如果从分类角度看KMeans属于硬分类即需要人为指定分类数目，而MeanSift分类方法则可以根据收敛条件自动决定分类数目。从学习方法上来说KMeans属于非监督学习方法即整个学习过程中不需要人为干预的学习方法，自动完成整个数据集合分类。对于给定的数据集合DS (Data Set)与输入的分类数目K，KMeans的整个工作原理可以描述如下：

  1. 根据输入的分类数目K定义K个分类，每个分类选择一个中心点

  2. 对DS中每个数据点做如下操作

  • 计算它与K个中心点之间的距离

  • 把数据点指定属于K个中心点中距离最近的中心点所属的分类

对K个分类中每个数据点计算平均值得到新的K个中心点

比较新K个中心点之间与第一步中已经存在的K个中心差值

  • 当两者之间的差值没有变化或者小于指定阈值，结束分类

  • 当两者之间的差值或者条件不满足时候，用新计算的中心点值做为K个分类的新中心点，继续执行2~4步。直到条件满足退出。

从数学的角度来说KMeans就是要找到K个分类而且他们的中心点到各个分类中各个数据的之间差值平方和最小化，而实现这个过程就是要通过上述2~4步不断的迭代执行，直到收敛为止。公式表示如下：

最低0.47元/天 解锁文章
Opencv之kmeans图像分割
qq_37589971的博客
05-13 438
int imageSeg_kmeans() { string image_path = "D:/vs2019Proj/ConsoleApplication1/timg.jpg"; Mat src_image = imread(image_path); if (!src_image.data) { cout << "could not load image.." << endl; return -1; } //颜色板 vector<Scalar> c.
OPENCV之Kmeans图像分割
shirelyme的专栏
12-24 1668
1.kmeans简介 虽然 k-means 并不能保证总是能得到全局最优解，但是对于这样的问题，像 k-means 这种复杂度的算法，这样的结果已经是很不错的了。 下面我们来总结一下 k-means 算法的具体步骤： [1] 选定 K 个中心 \mu_k 的初值。这个过程通常是针对具体的问题有一些启发式的选取方法，或者大多数情况下采用随机选取的办法。因为前面说过 k-means 并不能
Opencv Kmeans聚类进行图像颜色聚类分割（绝对有用）
04-28
该程序利用OpenCV中的K均值聚类函数Kmeans2对图像进行颜色聚类，达到分割的目的。 编写此函数的目的是：Kmeans2函数的用法有些难掌握，参考资料少，尤其是对图像进行操作的例子少，我找了很久也找不到, 找到的例子也运行不了，今天终于自己搞定了，想给大家分享一下，供大家参考，节省大家利用Kmeans2进行图像方面开发的时间 ,少走一些弯路。 本例子对印章图像sample.bmp进行颜色聚类 运行此程序一定要配置好OpenCv环境啊！！！
opencv——基于kmeans的图像分割
张洪睿的博客
11-19 1499
kmeans为无监督聚类最重要的算法，本文用kmeans算法对图像进行分割。算法原理参考： https://blog.youkuaiyun.com/u013719780/article/details/51755124 https://blog.youkuaiyun.com/qq_36134318/article/details/80408658 https://blog.youkuaiyun.com/xiligey1/art...
Opencv之图像分割 --- KMeans方法_数据聚类&图像分割
m0_60005621的博客
08-18 3252
1. 无监督学习方法（不需要人为的干预）2. 分类问题，输入分类数目，初始化中心位置3. 硬分类方法，以距离度量（ 硬分类：以距离为度量，距离离哪个中心点越近，他就被标记为哪个分类的编号；以距离度量：计算两个点之间的距离，如平面上x,y；空间上x,y,z；对RGB图像来说就是R、G、B三个通道，每两个像素点之间的差值）4. 迭代分类为聚类。...
C++结合OpenCV实现Kmeans聚类图像分割的案列
03-11
在本文中，我们将深入探讨如何使用C++编程语言与OpenCV库来实现KMeans聚类算法，以此进行图像分割。KMeans是一种常见的无监督学习方法，广泛应用于图像处理、数据分析等领域，尤其在图像分割中表现出色。OpenCV是一...
opencv之kmeans原理与分割实例
weixin_46096032的博客
08-05 1520
opencv之K-Means原理与实现方法（C++和python版本） KMeans原理 今天记录一下opencv中kmeans中的原理以及图像分割的一个实例，K-Means是对数据进行分类的算法，属于无监督学习的一种。 首先需要确定对图像进行类别的数目确定，即需要知道几个类别，然后每个类别都有一个中心点 然后根据距离来决定每个数据点属于哪个类别标签，一次循环实现对所有数据点分类之后，直到指定的循环次数或者前后两次的delta小于指定阈值，停止计算得到最终的样本数据的标签。 先讲讲opencv中KMeans
OpenCV 实战3——图像分割Kmean聚类
qq_35732321的博客
03-26 9962
图像分割--Keman聚类 图像分割–Keman聚类 ## 1 图像分割--Keman聚类 import cv2 import numpy as np import matplotlib.pyplot as plt # 1 读入图片 img0 = cv2.imread('bird.png',1) # [754,886,3] img0 = cv2.cvtColor(img0,cv2.COLOR_BGR2RGB) img_ = cv2.GaussianBlur(img0,(13,13),10,10) h,w
opencv图像分割之Kmeans方法(实现聚落与图片分割)
z961968549的博客
02-05 1462
Kmeans方法概述 无监督学习方法 分类问题，输入分类数目，初始化中心位置 硬分类方法，以距离度量 迭代分类为聚类 KMeans 原理介绍 “聚对于"监督学习"(supervisedlea rning)，其训练样本是带有标记信息的，并且监督学习的目的是：对带有标记的数据集进行模型学习，从而便于对新的样本进行分类。而在“无监督学习”(unsupervised learning)中，训练样本的...
(五)OpenCV图像分割_01_K-means分类数据_机器学习
01-20
K-means ①无监督学习方法 ②分类问题，输入分类数目，初始化中心位置 ③硬分类方法，以距离度量 ④迭代分类为聚类 过程: 初始化中心位置 对各个数据点,计算与它们到每个中心点的距离,把它归为与之最近中心点 重新计算中心点,中心点位置发生变化 执行多个迭代之后,RSS收敛满足,得到最终分类 Kmeans( InputArray data, InputOutputArray bestLabels, TermCriteria criteria, int attempts, int flags, OutputArray centers=noArray()); #include #includ
k-means聚类算法图像分割
04-18
运用K-means算法进行图像分割, K-means算法是很典型的基于距离的聚类算法，采用距离作为相似性的评价指标，即认为两个对象的距离越近，其相似度就越大。该算法认为簇是由距离靠近的对象组成的，因此把得到紧凑且独立的簇作为最终目标。 k个初始类聚类中心点的选取对聚类结果具有较大的 公式 公式 影响，因为在该算法第一步中是随机的选取任意k个对象作为初始聚类的中心，初始地代表一个簇。该算法在每次迭代中对数据集中剩余的每个对象，根据其与各个簇中心的距离将每个对象重新赋给最近的簇。当考察完所有数据对象后，一次迭代运算完成，新的聚类中心被计算出来。如果在一次迭代前后，J的值没有发生变化，说明算法已经收敛。 算法过程如下: 1)从N个文档随机选取K个文档作为质心 2)对剩余的每个文档测量其到每个质心的距离，并把它归到最近的质心的类 3)重新计算已经得到的各个类的质心 4)迭代2~3步直至新的质心与原质心相等或小于指定阈值，算法结束 具体如下: 输入:k, data[n]; (1) 选择k个初始中心点，例如c[0]=data[0],…c[k-1]=data[k-1]; (2) 对于data[0]….data[n]，分别与c[0]…c[k-1]比较，假定与c[i]差值最少，就标记为i; (3) 对于所有标记为i点，重新计算c[i]={ 所有标记为i的data[j]之和}/标记为i的个数; (4) 重复(2)(3)，直到所有c[i]值的变化小于给定阈值。 折叠工作原理 K-MEANS算法的工作原理及流程 K-MEANS算法 输入:聚类个数k，以及包含 n个数据对象的数据库。 输出:满足方差最小标准的k个聚类。
使用OpenCV的kmeans实现图像分割
m0_60259116的博客
02-17 609
使用OpenCV的kmeans实现图像分割
基于opencv的Kmeans算法进行的图像分割
weixin_39450742的博客
08-14 320
基于贾志刚老师的OPENCV图像分割实战的代码，下面的代码可以跑通，环境需要自己提前搭建好。 #include<opencv2/opencv.hpp> using namespace std; using namespace cv; int main(int argv, char* argc) { Mat picSrc = imread("50.bmp"); imshow("show", picSrc); //waitKey(0); Scalar color...
OpenCV学习 kmeans实现图像分割
fabulousli的博客
05-26 5300
using namespace std; using namespace cv; int main() { const int MAX_CLUSTERS = 5; Vec3b colorTab[] = { Vec3b(0, 0, 255), Vec3b(0, 255, 0), Vec3b(255, 100, 100), Vec3b(255, 0, 255), Vec3b(
OpenCV之kmeans聚类（图像分割）
macunshi的专栏
06-18 2811
kmeans聚类是一个高效的非监督聚类方法，我们先来看看基本原理是什么。 1.如果给一堆点进行二分类问题，在已有数据中随机抽取两个点或者随机新建两个点，分别记为A、B类重心。 2.计算每一个点到这两个点的距离，将其标记为距离A、B中心较近的那一类，给所有点完成分类。 3.计算A类点和B类点的新重心。 4.重复2、3步骤，再次给所有点进行分类，分类后更新重心点。直到满足迭代停止条件。 迭代...
利用K_means分割图像（opencv的安装，K_means代码）
weixin_64017116的博客
06-16 430
安装包:，这里只需要找到自己所需要的版本号即可，不用手动安装。我们目测一下图中有7中不同颜色的区域，故k=7。然后看下面这个教程，跟着教程做。安装完成之后，就可以写代码了。，然后根据版本号安装。
Kmeans方法——图像分割
热门推荐
会飞的鱼
08-27 1万+
Kmeans算法是非常经典的聚类算法，在数据挖掘中kmeans经常用来做数据预处理，在图像处理中也可以用作图像的分割。opencv中提供了完整的kmeans算法，其函数原型为： double kmeans( InputArray data, int K, InputOutputArray bestLabels, TermCriteria criteria, int attempts, int f...
【OpenCV】111 KMeans图像分割
刘小胖的博客
03-24 388
111 代码 实验结果 解释 优点 所有内容均来源于贾志刚老师的知识星球——OpenCV研习社，本文为个人整理学习，已获得贾老师授权，有兴趣、有能力的可以加入贾老师的知识星球进行深入学习。 ...
OpenCV Kmeans图像颜色聚类与分割教程分享
标签列出了与本主题相关的关键词，包括Opencv、kmeans、k均值聚类、图像颜色聚类和图像分割，这些都是图像处理中常用的概念和技术。 最后，文件列表中的名称'libin163-3232189-Kmeans2forImage_1598880616'暗示了该...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值