python完整代码，KMeans图像分割

下面是使用KMeans算法进行图像分割的Python完整代码：

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

# 加载图像
img = cv2.imread('test.jpg')

# 将图像从BGR空间转换为RGB空间
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)

# 将图像从三维矩阵转换为二维矩阵
img_flat = img.reshape((-1, 3))

# 设置聚类数目
k = 5

# 创建KMeans对象并进行拟合
kmeans = KMeans(n_clusters=k)
kmeans.fit(img_flat)

# 获取每个像素的标签
labels = kmeans.labels_

# 将标签转换为三维矩阵
labels = labels.reshape((img.shape[0], img.shape[1]))

# 获取每个聚类的中心
centers = kmeans.cluster_centers_

# 创建输出图像
output_img = np.zeros_like(img)

# 根据像素的标签将其赋值为相应的中心
for i in range(k):
    output_img[labels == i] = centers[i]

# 显示原始图像和输出图像
cv2.imshow('Input image', img)
cv2.imshow('Output image', output_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

在代码中，首先加载了一张图像，并将其从BGR色彩空间转换为RGB色彩空间。然后将图像从三维矩阵转换为二维矩阵，以便进行聚类。接着设置聚类数目，并使用KMeans算法进行拟合。获取每个像素的标签，并将其转换为三维矩阵。获取每个聚类的中心，并根据像素的标签将其赋值为相应的中心。最后显示原始图像和输出图像。