给定六个颜色rgb值，由K-means算法进行颜色聚类（python，opencv）

给定六个RGB颜色值（例如 (r1, g1, b1), (r2, g2, b2), ..., (r6, g6, b6)），你可以使用Python的OpenCV库和sklearn等机器学习工具来进行颜色聚类。K-means算法是一种无监督学习方法，它将数据分为预设数量的类别（在这个例子中可能是k=3，因为通常我们选择三类基本颜色）。以下是简单的步骤：

1. **导入所需库**：

   import cv2
   from sklearn.cluster import KMeans
   import numpy as np

2. **创建颜色向量**：

   colors = [(r1, g1, b1), (r2, g2, b2), ..., (r6, g6, b6)]
   color_array = np.array(colors)

3. **归一化颜色**：
RGB值通常范围从0到255，K-means对数值敏感。可以先将它们缩放到0-1之间：

   color_normalized = color_array / 255.0

4. **初始化K-means模型并设置参数**：

   kmeans = KMeans(n_clusters=3, random_state=42)

5. **拟合数据**：

   clusters = kmeans.fit_predict(color_normalized)

6. **查看结果**：
颜色会被分配到不同的簇，你可以看到每个原始颜色对应的簇标签。

for i, color in enumerate(colors):
    print(f"Color {i}: ({color[0]}, {color[1]}, {color[2]}) -> Cluster {clusters[i]}")