使用C++ 对图片进行聚类kmeams

在C++中，K-means聚类是一种常见的无监督机器学习算法，用于将一组数据分为多个类别。以下是使用OpenCV和EM算法实现K-means的基本步骤：

1. **导入所需库**：

   #include <opencv2/opencv.hpp>
   #include <opencv2/highgui/highgui.hpp>
   #include <opencv2/ml/ml.hpp>

2. **读取图片并转换为灰度图像**：

   Mat img = imread("input.jpg");
   if (!img.data)
       // 处理加载失败的情况
   cvtColor(img, img_gray, COLOR_BGR2GRAY);

3. **归一化和准备数据**：

   normalize(img_gray, img_gray, 0, 255, NORM_MINMAX); // 将像素值归一化至0-255
   std::vector<Mat> data;
   for (int i = 0; i < img_gray.rows; ++i)
       data.push_back(Mat(1, img_gray.cols, CV_32FC1, img_gray.ptr<float>(i)));

4. **创建KMeans对象并设置参数**：

   Ptr<ml::KMeans> kmeans = ml::createKMeans();
   kmeans->setClustersNumber(K); // K是想要的聚类数
   kmeans->setMaxIterations(MAX_ITERS); // 设置最大迭代次数

5. **训练模型**：

   kmeans->train(data);

6. **预测聚类标签**：

   std::vector<int> labels;
   kmeans->predict(data, labels);

7. **显示结果**：

   Mat clusterImgs(img.size(), CV_8UC3, Scalar::all(0));
   for (int i = 0; i < labels.size(); ++i) {
       rectangle(clusterImgs, Point(labels[i] % img.cols, labels[i] / img.cols),
               Point((labels[i] % img.cols) + 1, (labels[i] / img.cols) + 1), Scalar::random(), 2);
   }
   imshow("Clustered Image", clusterImgs);