python基于基于K-means聚类算法的图像分割聚类算法的图像分割
主要介绍了python基于K-means聚类算法的图像分割，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋
友们下面随着小编来一起学习学习吧
1 K-means算法算法
实际上，无论是从算法思想，还是具体实现上，K-means算法是一种很简单的算法。它属于无监督分类，通过按照一定的方式度量样本之间的相似度，通过迭代更新聚类
中心，当聚类中心不再移动或移动差值小于阈值时，则就样本分为不同的类别。
1.1 算法思路算法思路
1. 随机选取聚类中心
2. 根据当前聚类中心，利用选定的度量方式，分类所有样本点
3. 计算当前每一类的样本点的均值，作为下一次迭代的聚类中心
4. 计算下一次迭代的聚类中心与当前聚类中心的差距
5. 如4中的差距小于给定迭代阈值时，迭代结束。反之，至2继续下一次迭代
1.2 度量方式度量方式
根据聚类中心，将所有样本点分为最相似的类别。这需要一个有效的盘踞，平方差是最常用的度量方式，如下
2 应用于图像分割应用于图像分割
我们知道：无论是灰度图还是RGB彩色图，实际上都是存有灰度值的矩阵，所以，图像的数据格式决定了在图像分割方向上，使用K-means聚类算法是十分容易也十分具
体的。
2.1 Code
导入必要的包
import numpy as np
import random
损失函数
def loss_function(present_center, pre_center):
'''
损失函数，计算上一次与当前聚类中的差异（像素差的平方和）
:param present_center: 当前聚类中心
:param pre_center: 上一次聚类中心
:return: 损失值
'''
present_center = np.array(present_center)
pre_center = np.array(pre_center)
return np.sum((present_center - pre_center)**2)
分类器
def classifer(intput_signal, center):
'''
分类器（通过当前的聚类中心，给输入图像分类）
:param intput_signal: 输入图像
:param center: 聚类中心
:return: 标签矩阵
'''
input_row, input_col= intput_signal.shape # 输入图像的尺寸
pixls_labels = np.zeros((input_row, input_col)) # 储存所有像素标签
pixl_distance_t = [] # 单个元素与所有聚类中心的距离，临时用
for i in range(input_row):
for j in range(input_col):
# 计算每个像素与所有聚类中心的差平方
for k in range(len(center)):
distance_t = np.sum(abs((intput_signal[i, j]).astype(int) - center[k].astype(int))**2)
pixl_distance_t.append(distance_t)
# 差异最小则为该类
pixls_labels[i, j] = int(pixl_distance_t.index(min(pixl_distance_t)))
# 清空该list，为下一个像素点做准备
pixl_distance_t = []
return pixls_labels
基于k-means算法的图像分割
def k_means(input_signal, center_num, threshold):
'''
基于k-means算法的图像分割（适用于灰度图）
:param input_signal: 输入图像
:param center_num: 聚类中心数目
:param threshold: 迭代阈值
:return:
'''
input_signal_cp = np.copy(input_signal) # 输入信号的副本
input_row, input_col = input_signal_cp.shape # 输入图像的尺寸
pixls_labels = np.zeros((input_row, input_col)) # 储存所有像素标签
# 随机初始聚类中心行标与列标
initial_center_row_num = [i for i in range(input_row)]
random.shuffle(initial_center_row_num)
initial_center_row_num = initial_center_row_num[:center_num]
initial_center_col_num = [i for i in range(input_col)]
评论1