K均值用于图像分割

z13228604287

聚类：将抽象对象的集合分成由多个相似的对象组成的多个子类的过程，常用聚类方法有：分裂法，层次法，基于密度的方法，基于网格的方法，基于模型的方法，K均值法。其中K均值法是一种基于距离的分裂法。

K均值算法是非常常用的一种聚类算法，用于将给定的样本集分成指定数目的聚类。具体算法如下：

·      为每个聚类确定一个初始的聚类中心，这样k个聚类存在k个聚类中心

·      将样本集中的每一个样本按照最小距离原则 分配到k个聚类中的某一个

·      使用每个聚类中所有样本的均值作为新的聚类中心

·      如果聚类中心有变化则重复2、3步直到聚类中心不再变化为止

·      最后得到的k个聚类中心就是聚类的结果

K均值算法是一种贪心算法，因而不一定能得到最优化结果，不过它是必定收敛的。

   调用格式： 〈双精度小数型〉 视觉_K均值 （多维矩阵类 数据，整数型 ?，多维矩阵类 标签，迭代标准类 迭代，整数型 尝试，整数型 标志，多维矩阵类 中心）
    英文名称：kmeans
    查找聚类中心并对聚类周围的输入样本进行分组。本命令为初级命令。
    参数<1>的名称为“数据”，类型为“多维矩阵类（Mat）”。用于聚类的数据。需要具 CV_32F与CV_32FC2数据类型。
    参数<2>的名称为“?”，类型为“整数型（int）”，初始值为“2”。要拆分集合的集群数。
    参数<3>的名称为“标签”，类型为“多维矩阵类（Mat）”。输入/输出整数数组，用于存储每个样本的集群索引。
    参数<4>的名称为“迭代”，类型为“迭代标准类（TermCriteria）”。算法终止标准，即最大迭代次数和/或所需精度。精度被指定为criteria.epsilon。一旦每个聚类中心在某个迭代中移动小于标准.epsilon，算法就会停止。
    参数<5>的名称为“尝试”，类型为“整数型（int）”，初始值为“10”。用于指定使用不同初始标签执行算法的次数的标志。该算法返回产生最佳紧凑性的标签。
    参数<6>的名称为“标志”，类型为“整数型（int）”，初始值为“0”。可以采用  #K方法_* 的常量。
    参数<7>的名称为“中心”，类型为“多维矩阵类（Mat）”。聚类中心的输出矩阵，每个聚类中心一行。

    操作系统需求： Windows

  

窗口程序集名	保 留	保 留	备 注
程序集1

子程序名	返回值类型	公开	备 注
_启动子程序	整数型		本子程序在程序启动后最先执行

变量名	类 型	静态	数组	备 注
图	多维矩阵类
结果	多维矩阵类

图 ＝ 视觉_图像解码 ( #图片1, #读图_彩色 )
结果 ＝ 图像分割 (图, 2)
视觉_显示图像 (“小白鼠”, 结果)
视觉_等待按键 (0)
返回 (0)  ' 可以根据您的需要返回任意数值

子程序名	返回值类型	公开	备 注
图像分割	多维矩阵类
参数名	类 型	参考	可空	数组	备 注
输入图	多维矩阵类
分类数量	整数型

变量名	类 型	静态	数组	备 注
颜色标签	颜色标签		6
列数	整数型
行数	整数型
样本计数	整数型
样本数据	多维矩阵类
数据	多维矩阵类
集群计数	整数型
迭代标准	迭代标准类
标签	多维矩阵类
中心	多维矩阵类
返回图	多维矩阵类
i	整数型
位置	整数型
标志	整数型
j	整数型
随机	随机数类

颜色标签 [1].颜色 ＝ { 0, 0, 255 }
颜色标签 [2].颜色 ＝ { 0, 255, 0 }
颜色标签 [3].颜色 ＝ { 255, 0, 0 }
颜色标签 [4].颜色 ＝ { 0, 255, 255 }
颜色标签 [5].颜色 ＝ { 255, 0, 255 }
颜色标签 [6].颜色 ＝ { 255, 255, 0 }
列数 ＝ 输入图.列数 ()
行数 ＝ 输入图.行数 ()
样本计数 ＝ 列数 × 行数
样本数据 ＝ 输入图.重塑 (3, 样本计数)
样本数据.转换到 (数据, #Cv小数型, 1, 0)
集群计数 ＝ 分类数量  ' //分类数量
' 随机.置状态 (-1)'重置随机数状态(保证每次运行KMeans结果一致)
迭代标准.初始化 ( #迭代标准_精度 ＋ #迭代标准_元素, 10, 0.1)
视觉_K均值 (数据, 集群计数, 标签, 迭代标准, 10, #K方法_随机_中心, 中心)
返回图.初始化 (输入图.行数 (), 输入图.列数 (), 输入图.类型 (), 标量 (0))
变量循环首 (0, 行数 － 1, 1, i)
变量循环首 (0, 列数 － 1, 1, j)
位置 ＝ i × 列数 ＋ j
标志 ＝ 标签.取元素 (位置, 0)
返回图.置元素V (i, j, 颜色标签 [标志 ＋ 1].颜色)
变量循环尾 ()
变量循环尾 ()
返回 (返回图)

i支持库列表	支持库注释
OpenCV	(未知支持库)

.版本 2<br /> .支持库 OpenCV<br /> <br /> .程序集 程序集1<br /> <br /> .子程序 _启动子程序, 整数型, , 本子程序在程序启动后最先执行<br /> .局部变量 图, 多维矩阵类<br /> .局部变量 结果, 多维矩阵类<br /> <br /> 图 ＝ 视觉_图像解码 (#图片1, #读图_彩色)<br /> 结果 ＝ 图像分割 (图, 2)<br /> 视觉_显示图像 (“小白鼠”, 结果)<br /> 视觉_等待按键 (0)<br /> 返回 (0)  ' 可以根据您的需要返回任意数值<br /> <br /> .子程序 图像分割, 多维矩阵类<br /> .参数 输入图, 多维矩阵类<br /> .参数 分类数量, 整数型<br /> .局部变量 颜色标签, 颜色标签, , "6"<br /> .局部变量 列数, 整数型<br /> .局部变量 行数, 整数型<br /> .局部变量 样本计数, 整数型<br /> .局部变量 样本数据, 多维矩阵类<br /> .局部变量 数据, 多维矩阵类<br /> .局部变量 集群计数, 整数型<br /> .局部变量 迭代标准, 迭代标准类<br /> .局部变量 标签, 多维矩阵类<br /> .局部变量 中心, 多维矩阵类<br /> .局部变量 返回图, 多维矩阵类<br /> .局部变量 i, 整数型<br /> .局部变量 位置, 整数型<br /> .局部变量 标志, 整数型<br /> .局部变量 j, 整数型<br /> .局部变量 随机, 随机数类<br /> <br /> 颜色标签 [1].颜色 ＝ { 0, 0, 255 }<br /> 颜色标签 [2].颜色 ＝ { 0, 255, 0 }<br /> 颜色标签 [3].颜色 ＝ { 255, 0, 0 }<br /> 颜色标签 [4].颜色 ＝ { 0, 255, 255 }<br /> 颜色标签 [5].颜色 ＝ { 255, 0, 255 }<br /> 颜色标签 [6].颜色 ＝ { 255, 255, 0 }<br /> 列数 ＝ 输入图.列数 ()<br /> 行数 ＝ 输入图.行数 ()<br /> 样本计数 ＝ 列数 × 行数<br /> 样本数据 ＝ 输入图.重塑 (3, 样本计数)<br /> 样本数据.转换到 (数据, #Cv小数型, 1, 0)<br /> 集群计数 ＝ 分类数量  ' //分类数量<br /> ' 随机.置状态 (-1)'重置随机数状态(保证每次运行KMeans结果一致)<br /> 迭代标准.初始化 (#迭代标准_精度 ＋ #迭代标准_元素, 10, 0.1)<br /> 视觉_K均值 (数据, 集群计数, 标签, 迭代标准, 10, #K方法_随机_中心, 中心)<br /> 返回图.初始化 (输入图.行数 (), 输入图.列数 (), 输入图.类型 (), 标量 (0))<br /> .变量循环首 (0, 行数 － 1, 1, i)<br />     .变量循环首 (0, 列数 － 1, 1, j)<br />         位置 ＝ i × 列数 ＋ j<br />         标志 ＝ 标签.取元素 (位置, 0)<br />         返回图.置元素V (i, j, 颜色标签 [标志 ＋ 1].颜色)<br />     .变量循环尾 ()<br /> .变量循环尾 ()<br /> 返回 (返回图)

guyuelintian

大神分享辛苦了！

YY244801950

这人感觉就是个小丑！天天开贴   进群一问模块500

sinewtec

一头雾水！！！！！！