OpenCV?圖像分割實(shí)現(xiàn)Kmean聚類的示例代碼
1 Kmean圖像分割
按照Kmean原理，對圖像像素進(jìn)行聚類。
優(yōu)點(diǎn)：此方法原理簡單，效果顯著。
缺點(diǎn)：實(shí)踐發(fā)現(xiàn)對于前景和背景顏色相近或者顏色區(qū)分度差的圖像效果不顯著。
本文對圖像進(jìn)行濾波，主要是為了消除樹枝顏色的影響（濾波為非Keman圖像分割的必要操作）。
2 流程
（1）讀入圖片，把圖片轉(zhuǎn)化為二維。
（2）根據(jù)Kmean算法對圖像分割，返回類別標(biāo)簽和各類別中心點(diǎn)。
（3）根據(jù)類別標(biāo)簽復(fù)制各類別中心點(diǎn)得到結(jié)果，在對結(jié)果調(diào)整到原有尺度。
3 實(shí)現(xiàn)
（1）圖像分割前添加濾波，消除噪聲
## 1 圖像分割--Keman聚類
import cv2
import numpy as np
import matplotlib.pyplot as plt
# 1 讀入圖片
img0 = cv2.imread('bird.png', 1) # (548,727,3)
img0 = cv2.cvtColor(img0, cv2.COLOR_BGR2RGB)
img_ = cv2.GaussianBlur(img0, (13, 13), 10, 10)
h, w, c = img_.shape
img_blur = img_.reshape([-1, 3])
img_blur = np.float32(img_blur)
# 2 分類
criteria = (
cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 10, 1.0)
num_clusters = 2
_, label, center_color = cv2.kmeans(img_blur, num_clusters,
None, criteria,
num_clusters,
cv2.KMEANS_RANDOM_CENTERS)
center_color = np.uint8(
center_color) # img_blur[398396,3],label[398396,1],center[2,3]
res = center_color[label.ravel()] # [398396,3]
res = res.reshape([h, w, c]) # res[668044,3]--> [548,727,3]
# 3 顯示
plt.subplot(131)
plt.title('origin')
plt.imshow(img0)
plt.subplot(132)
plt.title('img_blur')
plt.imshow(img_)
plt.subplot(133)
plt.title('result')
plt.imshow(res)
plt.show()
（2）顏色區(qū)分低的情況
當(dāng)顏色區(qū)分低時(shí)，劃分較少的種類，可以達(dá)到滿意效果。
## 1 圖像分割--Keman聚類
import cv2
import numpy as np
import matplotlib.pyplot as plt
# 1 讀入圖片
img = cv2.imread('luna.png', 1) # (548,727,3)
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
h, w, c = img.shape
img0= img.reshape([-1, 3])
img0 = np.float32(img0)
# 3 分類
criteria = (
cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 10, 1.0)
num_clusters = 2
_, label, center_color = cv2.kmeans(img0, num_clusters,
None, criteria,
num_clusters,
cv2.KMEANS_RANDOM_CENTERS)
center_color = np.uint8(
center_color) # img_blur[398396,3],label[398396,1],center[2,3]
res = center_color[label.ravel()] # [398396,3]
res = res.reshape([h, w, c]) # res[668044,3]--> [548,727,3]
plt.subplot(121)
plt.title('origin')
plt.imshow(img)
plt.subplot(122)
plt.title('result')
plt.imshow(res)
plt.show()
注： 可以改變中心點(diǎn)的數(shù)值，調(diào)整分割后圖像的顏色。
center_color = np.uint8(
center_color)
## 調(diào)整顯示顏色
center_color[0]=[0,0,255]
center_color[1]=[255,0,0]
res = center_color[label.ravel()]
到此這篇關(guān)于OpenCV 圖像分割實(shí)現(xiàn)Kmean聚類的示例代碼的文章就介紹到這了,更多相關(guān)OpenCV Kmean聚類內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
Python標(biāo)準(zhǔn)庫pathlib操作目錄和文件
這篇文章主要為大家介紹了Python標(biāo)準(zhǔn)庫pathlib操作目錄和文件的示例詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步2021-11-11
這篇文章主要介紹了python繪制條形圖方法代碼詳解，具有一定借鑒價(jià)值，需要的朋友可以參考下。2017-12-12
python調(diào)用百度AI接口實(shí)現(xiàn)人流量統(tǒng)計(jì)
這篇文章主要介紹了python調(diào)用百度AI接口實(shí)現(xiàn)人流量統(tǒng)計(jì),本文給大家介紹的非常詳細(xì)，對大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值，需要的朋友可以參考下2021-02-02
為OpenCV是搞計(jì)算機(jī)視覺必須要掌握的基礎(chǔ),這篇文章主要給大家介紹了關(guān)于OpenCV2學(xué)習(xí)筆記之視頻流讀取與處理的相關(guān)資料,文中通過示例代碼介紹的非常詳細(xì),需要的朋友可以參考下2022-01-01
Python Dask庫處理大規(guī)模數(shù)據(jù)集的強(qiáng)大功能實(shí)戰(zhàn)
Dask是一個(gè)靈活、開源的Python庫,專為處理大規(guī)模數(shù)據(jù)集而設(shè)計(jì),與傳統(tǒng)的單機(jī)計(jì)算相比,Dask能夠在分布式系統(tǒng)上運(yùn)行,有效利用集群的計(jì)算資源,本文將深入介紹Dask的核心概念、功能和實(shí)際應(yīng)用,通過豐富的示例代碼展示其在大數(shù)據(jù)處理領(lǐng)域的強(qiáng)大能力2023-12-12
詳解使用PyInstaller將Pygame庫編寫的小游戲程序打包為exe文件
這篇文章主要介紹了詳解使用PyInstaller將Pygame庫編寫的小游戲程序打包為exe文件，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2019-08-08
Python實(shí)現(xiàn)將Excel內(nèi)容插入到Word模版中
前段時(shí)間因?yàn)樾枰幚硪淮蠖羊?yàn)收單，都是一些簡單的復(fù)制粘貼替換工作，于是就想到用python進(jìn)行處理。本文分享了用python將excel文件單元格內(nèi)容插入到word模版中并保存為新文件的辦法，希望對大家有所幫助2023-03-03
Python自動(dòng)化之實(shí)現(xiàn)桌面壁紙下載器
隨著計(jì)算機(jī)性能的提升，人們對計(jì)算機(jī)個(gè)性化的要求也越來越高了，自己使用的計(jì)算機(jī)當(dāng)然要設(shè)置成自己喜歡的風(fēng)格！本文就來用Python做個(gè)桌面壁紙下載器，需要的可以參考一下2022-11-11
這篇文章主要介紹了Python判斷字符串是否為空和null,文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2020-04-04
Python中使用aiohttp模擬服務(wù)器出現(xiàn)錯(cuò)誤問題及解決方法
這篇文章主要介紹了Python中使用aiohttp模擬服務(wù)器出現(xiàn)錯(cuò)誤,本文給大家介紹的非常詳細(xì)，對大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值，需要的朋友可以參考下2020-10-10