Python, кластеризация K-средних в OpenCV
В этом блоге вы узнаете, что такое кластеризация K-средних и как использовать функцию cv2.kmeans() для кластеризации данных.
- Кластер K-средних Кластеризация K-средних
- cv2.kmeans() для кластеризации данных
1. Рендеринг
После выборки для создания 5 стопок точек и кластеризации нарисуйте каждую классификацию разным цветом.Диаграмма эффекта 1 выглядит следующим образом:
Также сгенерируйте 5 стопок кластеризации точек 5, и диаграмма эффекта выглядит следующим образом:
После выборки для создания 10 стопок точек, кластеризации диаграмма эффекта выглядит следующим образом:
График кластеризации одной функции:Размер футболки делится только на 3 типа в зависимости от роста
2 карты кластера функций:Размер футболки сгруппирован по росту и весу,
Квантование цвета для уменьшения количества цветов и получения нового изображения, исходное изображение VS кластеризация 15 цветопередачи выглядит следующим образом:
Чем больше количество сгруппированных цветов, тем медленнее алгоритм, но тем ближе он выглядит к исходному изображению.
2. Принцип
2.1 Что такое кластеризация K-средних?
Рассмотрим компанию, которая представит на рынке футболку нового типа. Очевидно, что им придется делать модели разных размеров, чтобы вместить людей всех размеров. Поэтому компания сделала данные о росте и весе человека и нарисовала их на диаграмме, как показано ниже:Компания не может производить футболки всех размеров. Вместо этого они делят людей на маленьких, средних и больших и производят только эти три модели, которые подходят всем.Это разделение людей на три группы может быть выполнено с помощью кластеризации k-средних, алгоритм дает нам 3 лучших размера, которые удовлетворят всех. Если нет, компания может разделить людей на большее количество групп, возможно, на пять.,Как показано ниже:
2.2 Процесс кластеризации K-средних
Кластеризация K-средних — это итеративный процесс, и самая простая кластеризация K-средних состоит из следующих 4 шагов.
- Допустим есть куча точек, которые нужно разделить на 2 категории;
- Две точки C1 и C2 выбираются случайным образом в качестве центроидов и рассчитываются расстояния от окружающих точек до C1 и C2.
- После деления вычислить среднее значение всех точек в классе C1 как новый центроид C1 и вычислить среднее значение всех точек в классе C2 как новый центроид C2;
- Процесс итерации 2, 3 завершается в соответствии с заданным условием (сколько раз процесс итерации достигает или достигает заданной точности).
- Окончательная сходимость — это расстояние от C1 до всех его точек + расстояние от C2 до всех его точек = минимальное значение.
这些点使得测试数据与其对应的质心之间的距离之和最小。
Вышеупомянутые 4 шага — это только верхний уровень кластеризации K-средних. Алгоритм имеет множество оптимизаций, таких как: как выбрать начальные центроиды, как ускорить итерационный процесс.
Итеративный процесс можно аппроксимировать следующими рисунками, которые представляют четыре вышеупомянутых процесса соответственно.
На следующем рисунке повторяются шаги 1 и 2, случайным образом выбирается точка в качестве центральной точки и вычисляется расстояние для классификации;
На следующем рисунке повторно вычисляется центроид и для получения графика результатов повторяются шаги 3 и 4. Вы можете видеть, что после нескольких итераций случайные точки делятся на 2 группы точек, красную и синюю; центральные точки также относительно центрированы и относительно обычный.
2.3 cv2.kmeans(z, 2, None, criteria, 10, flags)
compactness, labels, centers = cv2.kmeans(z, 2, None, criteria, 10, flags)
Потребление:
- образцы: тип данных np.float32, каждая функция помещается в столбец.
- nclusters(K) : последнее необходимое количество кластеров
- creteria: критерии завершения итерации. При выполнении этого условия итерация алгоритма останавливается. На самом деле это должен быть кортеж из 3-х аргументов.
(тип, max_iter, эпсилон):a - тип условия завершения: имеет 3 флага, cv2.TERM_CRITERIA_EPS - остановить итерацию алгоритма при достижении заданной точности epsilon. cv2.TERM_CRITERIA_MAX_ITER — остановить алгоритм после указанного количества итераций max_iter. cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER — остановить итерацию при выполнении любого из вышеперечисленных условий.
б - максимальное количество итераций - целое число, указывающее максимальное количество итераций. c - точность - требуемая точность
- попыток : флаг, указывающий, сколько раз выполнять алгоритм с разными начальными метками. Алгоритм возвращает метку, обеспечивающую наилучшую компактность. Эта компактность возвращается в качестве вывода.
- flags : Этот флаг используется, чтобы указать, как взять начальный центр. Обычно для этого используются два флага: cv2.KMEANS_PP_CENTERS и cv2.KMEANS_RANDOM_CENTERS.
возвращаемое значение:
- компактность: компактность, которая относится к сумме квадратов расстояний от каждой точки до соответствующего центра
- labels: массив меток, где каждый элемент помечен «0», «1»...
- center: массив кластерных центров
3. Исходный код
3.1 Кластеризация после точек отбора проб
# K均值聚类随机生成一堆点并聚类demo
from __future__ import print_function
import cv2 as cv
import numpy as np
from numpy import random
def make_gaussians(cluster_n, img_size):
points = []
ref_distrs = []
for _i in range(cluster_n):
mean = (0.1 + 0.8 * random.rand(2)) * img_size
a = (random.rand(2, 2) - 0.5) * img_size * 0.1
cov = np.dot(a.T, a) + img_size * 0.05 * np.eye(2)
n = 100 + random.randint(900)
pts = random.multivariate_normal(mean, cov, n)
points.append(pts)
ref_distrs.append((mean, cov))
points = np.float32(np.vstack(points))
return points, ref_distrs
def main():
cluster_n = 5
img_size = 300
# 生成明亮的调色板
colors = np.zeros((1, cluster_n, 3), np.uint8)
colors[0, :] = 255
colors[0, :, 0] = np.arange(0, 180, 180.0 / cluster_n)
colors = cv.cvtColor(colors, cv.COLOR_HSV2BGR)[0]
while True:
print('sampling distributions...')
points, _ = make_gaussians(cluster_n, img_size)
term_crit = (cv.TERM_CRITERIA_EPS, 30, 0.1)
_ret, labels, _centers = cv.kmeans(points, cluster_n, None, term_crit, 10, 0)
img = np.zeros((img_size, img_size, 3), np.uint8)
for (x, y), label in zip(np.int32(points), labels.ravel()):
c = list(map(int, colors[label]))
cv.circle(img, (x, y), 1, c, -1)
cv.imshow('kmeans', img)
ch = cv.waitKey(0)
if ch == 27:
break
print('Done')
if __name__ == '__main__':
print(__doc__)
main()
cv.destroyAllWindows()
3.2 Кластеризация по одному признаку, кластеризация по нескольким признакам и количественная оценка цвета
# OpenCV实现K-Means Cluster K均值聚类
# 输入参数
# - samples: np.float32 数据类型，每个特征放在一个列中。
# - nclusters(K) : 最后需要的簇数
# - creteria: 迭代终止标准。当满足此条件时，算法迭代停止。实际上，它应该是一个包含 3 个参数的元组。它们是（类型、max_iter、epsilon）：
# a - 终止条件的类型：它有 3 个标志，如下所示：cv2.TERM_CRITERIA_EPS - 如果达到指定的准确度 epsilon，则停止算法迭代。
# cv2.TERM_CRITERIA_MAX_ITER - 在指定的迭代次数 max_iter 后停止算法。
# cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER - 当满足上述任何条件时停止迭代。
# b - 最大迭代次数 - 指定最大迭代次数的整数。
# c - 精度 - 要求的准确性
# - attempts ：标记以指定使用不同的初始标签执行算法的次数。该算法返回产生最佳紧凑性的标签。这种紧凑性作为输出返回。
# - flags ：此标志用于指定如何采用初始中心。通常为此使用两个标志：cv2.KMEANS_PP_CENTERS 和 cv2.KMEANS_RANDOM_CENTERS。
#
# 输出参数
#
# - compactness: 紧凑度，指每个点到其相应中心的距离平方和
# - labels: 标签数组，其中每个元素都标记为“0”、“1”.....
# - centers: 聚簇中心的数组
# 1. 只有一个特征的数据（T恤问题，只根据身高）
import numpy as np
import cv2
from matplotlib import pyplot as plt
x = np.random.randint(25, 100, 25)
y = np.random.randint(175, 255, 25)
z = np.hstack((x, y))
z = z.reshape((50, 1))
z = np.float32(z)
plt.hist(z, 256, [0, 256]), plt.show()
# 每当运行 10 次算法迭代或达到 epsilon = 1.0 的准确度时，停止算法并返回
# 定义终止准则 criteria = ( type, max_iter = 10 , epsilon = 1.0 )
criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 10, 1.0)
# 设置标志（只是为了避免代码中的换行符）
flags = cv2.KMEANS_RANDOM_CENTERS
# 应用K均值聚类算法
compactness, labels, centers = cv2.kmeans(z, 2, None, criteria, 10, flags)
A = z[labels == 0]
B = z[labels == 1]
# 以红色绘制 A，以蓝色绘制 B，以黄色绘制它们的质心。
plt.hist(A, 256, [0, 256], color='r')
plt.hist(B, 256, [0, 256], color='b')
plt.hist(centers, 32, [0, 256], color='y')
plt.title("one feature res")
plt.show()
# 2. 具有多重数据的特征（T恤问题，根据身高、体重）
import numpy as np
import cv2
from matplotlib import pyplot as plt
X = np.random.randint(25, 50, (25, 2)) # 身高
Y = np.random.randint(60, 85, (25, 2)) # 体重
Z = np.vstack((X, Y))
# 转换为 np.float32
Z = np.float32(Z)
# 定义终止准则以及应用KMeans聚类
criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 10, 1.0)
ret, label, center = cv2.kmeans(Z, 2, None, criteria, 10, cv2.KMEANS_RANDOM_CENTERS)
# 分离数据，并拉平flatten
A = Z[label.ravel() == 0]
B = Z[label.ravel() == 1]
# 绘制数据
plt.scatter(A[:, 0], A[:, 1])
plt.scatter(B[:, 0], B[:, 1], c='r')
plt.scatter(center[:, 0], center[:, 1], s=80, c='y', marker='s')
plt.xlabel('Height'), plt.ylabel('Weight')
plt.title("two features res")
plt.show()
## 3. 颜色量化
# 颜色量化是减少图像中颜色数量的过程。这样做的原因之一是减少内存。有时某些设备可能有限制，以至于它只能产生有限数量的颜色。
# 在这些情况下，也会执行颜色量化。这里我们使用 k-means 聚类进行颜色量化。有3个特征，例如 R、G、B。需要将图像重塑为 Mx3 大小的数组（M 是图像中的像素数）。
# 在聚类之后将质心值（也是 R、G、B）应用于所有像素，这样生成的图像将具有指定数量的颜色，最后需要将其重塑回原始图像的形状。
import numpy as np
import cv2
img = cv2.imread('images/ml.jpg')
Z = img.reshape((-1, 3))
# 转换 np.float32
Z = np.float32(Z)
# 定义终止准则以及应用KMeans聚类
criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 10, 1.0)
K = 15
ret, label, center = cv2.kmeans(Z, K, None, criteria, 10, cv2.KMEANS_RANDOM_CENTERS)
# 转换回uint8, 制作原始图像
center = np.uint8(center)
res = center[label.flatten()]
res2 = res.reshape((img.shape))
cv2.imshow("origin",img)
cv2.imshow('res2', res2)
cv2.waitKey(0)
cv2.destroyAllWindows()