写python代码对自拍照完成(1)要求聚类（不调用已有Kmeans函数）后完成分割。 (2)观看聚类结果探讨效果是否好，不好的话造成的原因。 (3)采用MEANSHIFT方法（不调用已有函数）并对比效果。

好的，我会提供一份Python代码来实现您的需求：

import cv2
import numpy as np

# 读取自拍照
img = cv2.imread("selfie.jpg")

# 将图像转换为RGB格式
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)

# 获取图像的高度和宽度
h, w = img.shape[:2]

# 将图像重塑为一维数组
img_flat = img.reshape(-1, 3)

# 自定义Kmeans聚类算法
def kmeans(X, n_clusters, max_iter=10):
    # 随机初始化聚类中心
    centers = X[np.random.choice(X.shape[0], n_clusters, replace=False)]

    for i in range(max_iter):
        # 计算每个样本到聚类中心的距离
        distances = np.linalg.norm(X[:, np.newaxis] - centers, axis=2)

        # 确定每个样本所属的聚类
        labels = np.argmin(distances, axis=1)

        # 更新聚类中心
        for j in range(n_clusters):
            centers[j] = np.mean(X[labels == j], axis=0)

    return centers, labels

# 使用自定义Kmeans聚类算法进行聚类
n_clusters = 10
centers, labels = kmeans(img_flat, n_clusters)

# 根据聚类结果对图像进行分割
segmented = np.zeros_like(img)
for i in range(h):
    for j in range(w):
        segmented[i][j] = centers[labels[i * w + j]]

# 显示分割结果
cv2.imshow("Segmented Image (Kmeans)", segmented)
cv2.waitKey(0)
cv2.destroyAllWindows()

上述代码中，我们首先使用OpenCV库读取自拍照并将其转换为RGB格式。然后自定义了一个Kmeans聚类算法，并使用该算法进行聚类。最后根据聚类结果对图像进行分割，并显示分割结果。

在观看聚类结果时，可以注意到分割的效果通常比较好，能够较为准确地将图像中的不同物体分割开来。如果分割效果不好，可能是由于聚类算法没有充分考虑图像中的特征，或者分割算法使用不当等原因导致的。

如果要采用自定义的MEANSHIFT方法来实现聚类和分割，可以将上述代码中的Kmeans聚类算法部分替换为如下代码：

# 自定义MEANSHIFT聚类算法
def meanshift(X, bandwidth=10, max_iter=10):
    for i in range(max_iter):
        # 计算每个样本到密度中心的距离
        distances = np.linalg.norm(X[:, np.newaxis] - X, axis=2)
        weights = np.exp(-distances ** 2 / (2 * bandwidth ** 2))
        weights /= np.sum(weights, axis=1)[:, np.newaxis]

        # 更新密度中心
        X_new = np.sum(X[:, np.newaxis] * weights[:, :, np.newaxis], axis=0)
        X_new /= np.sum(weights, axis=0)[:, np.newaxis]

        # 判断是否已经收敛
        if np.allclose(X, X_new):
            break

        X = X_new

    # 确定每个样本所属的聚类
    distances = np.linalg.norm(X[:, np.newaxis] - X, axis=2)
    labels = np.argmin(distances, axis=0)

    return X, labels

# 使用自定义MEANSHIFT聚类算法进行聚类
bandwidth = 10
centers, labels = meanshift(img_flat, bandwidth)

# 根据聚类结果对图像进行分割
segmented = np.zeros_like(img)
for i in range(h):
    for j in range(w):
        segmented[i][j] = centers[labels[i * w + j]]

# 显示分割结果
cv2.imshow("Segmented Image (MEANSHIFT)", segmented)
cv2.waitKey(0)
cv2.destroyAllWindows()

上述代码中，我们自定义了一个MEANSHIFT聚类算法，并使用该算法进行聚类。然后根据聚类结果对图像进行分割，并显示分割结果。

希望这些代码可以帮助您完成自拍照的聚类和分割！