sklearn中的KMeans实现对图像的简单的分割各个代码的详解和分析

实验目的

• 目标︰利用K-means聚类算法对图像像素点颜色进行聚类实现简单的图像分割
• 输出∶同一聚类中的点使用相同颜色标记&＃xff0c;不同聚类颜色不同

函数详解

获取图片的函数

def loadData(filePath):data &＃61; []img &＃61; image.open(f)m,n &＃61; img.sizefor i in range(m):for j in range(n):x,y,z &＃61; img.getpixel((i,j))data.append([x/256.0,y/256.0,z/256.0])return np.mat(data),m,n


• image是PIL的Image类&＃xff0c;调用open方法打开对应路径的文件&＃xff0c;生成为image的对象
  • 关于PIL&＃xff0c;有一个微博写的不错传送
• getpixel&＃xff08;&＃xff08;x,y&＃xff09;&＃xff09;&＃xff1a;图片读进来是一个二维矩阵&＃xff0c;每一个点是三个值&＃xff08;R,G,B&＃xff09;
• image对象的size属性&＃xff1a;返回的是一个元组&＃xff0c;像素构成的矩阵的长宽&＃xff0c;&＃xff08;width&＃xff0c;height&＃xff09;

具体的图像处理

label &＃61; KMeans(n_clusters&＃61;4).fit_predict(imgData)label &＃61; label.reshape([row,col])
pic_new &＃61; image.new("L",(row,col))
for i in range(row):for j in range(col):pic_new.putpixel((i,j),int(256/(label[i][j]&＃43;1)))
pic_new.save("result-bull-4.jpg","JPEG")


• KMeans(n_clusters&＃61;4).fit_predict(imgData):
  • fit_predict():计算每一个簇的中心并预测每一个点的是属于哪个簇的&＃xff0c;返回的与输入数组相同大小的labels数组&＃xff0c;标记了每一个数据所属的簇
• label &＃61; label.reshape([row,col])&＃xff1a;将由标记组成的数组进行的变形和转换&＃xff0c;形成和原图一样大小的数组
• pic_new &＃61; image.new(“L”,(row,col))&＃xff1a;根据给定的大小和模式&＃xff0c;创建的一个新的图片
  * PIL.Image.new(mode,size,color):size是对应的一个二维的元组&＃xff0c;指定图片的大小
  * mode&＃xff1a;这里是指定对应每一个像素点是8个位&＃xff0c;0到255之间
  
• pic_new.putpixel((i,j),int(256/(label[i][j]&＃43;1)))&＃xff1a;将生成的新的像素点放到新生成的矩阵中
  • PIL.Image.eval(image, *args)&＃xff1a;后续为一个整数
  • int(256/(label[i][j]&＃43;1)))&＃xff1a;将的之转变为的对应的不同的灰度值的图片&＃xff0c;防止除数为零&＃xff0c;就标记上在加&＃43;

最终实现的代码

import numpy as np
import PIL.Image as image
from sklearn.cluster import KMeansdef loadData(filePath):data &＃61; []img &＃61; image.open(filePath)m,n &＃61; img.sizefor i in range(m):for j in range(n):x,y,z &＃61; img.getpixel((i,j))data.append([x/256.0,y/256.0,z/256.0])return np.mat(data),m,nimgData,row,col &＃61; loadData(&＃39;bull.jpg&＃39;)
label &＃61; KMeans(n_clusters&＃61;4).fit_predict(imgData)label &＃61; label.reshape([row,col])
pic_new &＃61; image.new("L",(row,col))
for i in range(row):for j in range(col):pic_new.putpixel((i,j),int(256/(label[i][j]&＃43;1)))
pic_new.save("result-bull-4.jpg","JPEG")