import numpy as np import cv2 from sklearn.cluster import KMeans # 读取所有图片，将每张图片转化为向量表示 images = [] for i in range(10): # 假设有10张图片 img = cv2.imread(f"image_{i}.png") img_vector = img.reshape((-1,)) images.append(img_vector) # 将所有图片的向量合并成一个矩阵 data = np.vstack(images) # 对所有向量进行聚类 kmeans = KMeans(n_clusters=3, random_state=0).fit(data) # 获取聚类结果 labels = kmeans.labels_ # 根据聚类结果将图片分类 for i in range(len(images)): img = images[i].reshape((100, 100, 3)) label = labels[i] cv2.imwrite(f"image_{label}_{i}.png", img)

这段代码用于对多张png格式的ovito图片进行聚类和分类。具体步骤已在之前的回答中说明。

你可以将这段代码保存为一个Python文件，例如 `image_cluster.py`，然后将所有需要聚类的图片命名为 `image_0.png` 到 `image_9.png` 并放在同一个文件夹内。接着在命令行窗口中进入该文件夹，并执行以下命令：

python image_cluster.py

这个命令会运行 `image_cluster.py` 文件，并对所有图片进行聚类和分类。分类结果将保存在同一个文件夹内，文件名为 `image_label_index.png`，其中 `label` 表示图片所属的类别，`index` 表示图片在原始文件夹中的索引。