python opencv图像分割kmeas代码

以下是基于OpenCV库的kmeans图像分割代码示例：

import cv2
import numpy as np

# 加载原始图像
img = cv2.imread('example.jpg')

# 将图像转换为numpy数组
img_array = np.float32(img)

# 获取图像宽度和高度
width, height, _ = img.shape

# 将图像数组重塑为一维数组
img_array_reshape = img_array.reshape(-1, 3)

# 执行kmeans聚类
criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 10, 1.0)
k = 3
ret, labels, centers = cv2.kmeans(img_array_reshape, k, None, criteria, 10, cv2.KMEANS_RANDOM_CENTERS)

# 将标签重塑为图像形状
labels_reshape = labels.reshape(width, height)

# 创建新图像数组
new_img = np.zeros_like(img_array)

# 将每个像素赋值为其所属的聚类中心颜色
for i in range(width):
    for j in range(height):
        new_img[i, j, :] = centers[labels_reshape[i, j], :]

# 将新图像数组转换为图像
new_img = np.uint8(new_img)

# 显示原始图像和分割后的图像
cv2.imshow('Original Image', img)
cv2.imshow('Segmented Image', new_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

在上面的代码中，我们首先使用OpenCV库加载原始图像，然后将其转换为numpy数组。我们将图像数组重塑为一维数组，然后使用cv2.kmeans函数执行聚类。我们将聚类标签重塑为图像形状，并使用聚类中心颜色为每个像素赋值。最后，我们将新图像数组转换为图像，并显示原始图像和分割后的图像。