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，把圖像分成若干個互不重疊的區域，并使這些特征在同一區域內呈現相似性，在不同區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特性質的區域提取出來用于研究。

常用方法：
?閾值分割：對圖像進行度量，設置不同類別的閾值，達到分割目的。
?邊緣分割：對圖像邊緣進行檢測，即即檢測圖像中灰度值放生跳變的地方，則為一片區域的邊緣。
?直方圖法：對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域的顏色的范圍，來達到分割目的。
?特定理論：基于聚類分析，小波變換的理論完成圖像分割。

實例

目標：利用KMeans聚類算法對圖像像素顏色進行聚類，實現分割。輸出：同一聚類中的點使用同一顏色標記，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")'''實驗分析：通過設置k的值，可以得到不同結果，同時由于k的不確定，也可能得不到預期結果。 '''

前為結果，后面為原圖

創作挑戰賽新人創作獎勵來咯，堅持創作打卡瓜分現金大獎

總結

以上是生活随笔為你收集整理的python-聚类图像分割的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。