K-Means聚類圖像分割

? ?圖像分割：

利用圖像的灰度，顏色，紋理，形狀等特征，把圖像分成若干個(gè)互不重疊的區(qū)域，并使這些特征在同一區(qū)域內(nèi)呈現(xiàn)相似性，在不同區(qū)域之間存在明顯的差異性。然后，就可以將分割的圖像中具有獨(dú)特性質(zhì)的區(qū)域提取出來(lái)用于研究。

常用方法：
?閾值分割：對(duì)圖像進(jìn)行度量，設(shè)置不同類別的閾值，達(dá)到分割目的。
?邊緣分割：對(duì)圖像邊緣進(jìn)行檢測(cè)，即即檢測(cè)圖像中灰度值放生跳變的地方，則為一片區(qū)域的邊緣。
?直方圖法：對(duì)圖像的顏色建立直方圖，而直方圖的波峰波谷能夠表示一塊區(qū)域的顏色的范圍，來(lái)達(dá)到分割目的。
?特定理論：基于聚類分析，小波變換的理論完成圖像分割。

實(shí)例

目標(biāo)：利用KMeans聚類算法對(duì)圖像像素顏色進(jìn)行聚類，實(shí)現(xiàn)分割。輸出：同一聚類中的點(diǎn)使用同一顏色標(biāo)記，不同聚類顏色不同。

代碼： import numpy as np import PIL.Image as image from sklearn.cluster import KMeansdef loadData(filePath):f=open(filePath,'rb')data=[]img=image.open(f)m,n=img.size;print(m,n)for i in range(m):for j in range(n):x,y,z=img.getpixel((i,j))#print(z,y,z)data.append([x/256.0,y/256.0,z/256.0])f.close()return np.mat(data),m,nimgData,row,col=loadData("E:\\python\small_split.jpg") km=KMeans(n_clusters=3)label=km.fit_predict(imgData) label=label.reshape([row,col])pic=image.new("L",(row,col)) for i in range(row):for j in range(col):pic.putpixel((i,j),int(256/(label[i][j]+1))) pic.save("splited.jpg","JPEG")'''實(shí)驗(yàn)分析：通過(guò)設(shè)置k的值，可以得到不同結(jié)果，同時(shí)由于k的不確定，也可能得不到預(yù)期結(jié)果。 '''

前為結(jié)果，后面為原圖

創(chuàng)作挑戰(zhàn)賽新人創(chuàng)作獎(jiǎng)勵(lì)來(lái)咯，堅(jiān)持創(chuàng)作打卡瓜分現(xiàn)金大獎(jiǎng)

總結(jié)

以上是生活随笔為你收集整理的python-聚类图像分割的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。