python-聚类图像分割

K-Means聚类图像分割

1.    图像分割：
   1. 利用图像的灰度，颜色，纹理，形状等特征，把图像分成若干个互不重叠的区域，并使这些特征在同一区域内呈现相似性，在不同区域之间存在明显的差异性。然后，就可以将分割的图像中具有独特性质的区域提取出来用于研究。
   2. 常用方法：
       阈值分割：对图像进行度量，设置不同类别的阈值，达到分割目的。
       边缘分割：对图像边缘进行检测，即即检测图像中灰度值放生跳变的地方，则为一片区域的边缘。
       直方图法：对图像的颜色建立直方图，而直方图的波峰波谷能够表示一块区域的颜色的范围，来达到分割目的。
       特定理论：基于聚类分析，小波变换的理论完成图像分割。
2. 实例
   1. 目标：利用KMeans聚类算法对图像像素颜色进行聚类，实现分割。输出：同一聚类中的点使用同一颜色标记，不同聚类颜色不同。
   2. 代码：

      import numpy as np
      import PIL.Image as image
      from sklearn.cluster import KMeans
      
      def loadData(filePath):
          f=open(filePath,'rb')
          data=[]
          img=image.open(f)
          m,n=img.size;
          print(m,n)
          for i in range(m):
              for j in range(n):
                  x,y,z=img.getpixel((i,j))
                  #print(z,y,z)
                  data.append([x/256.0,y/256.0,z/256.0])
          f.close()
          return np.mat(data),m,n
      
      
      imgData,row,col=loadData("E:\\python\small_split.jpg")
      km=KMeans(n_clusters=3)
      
      label=km.fit_predict(imgData)
      label=label.reshape([row,col])
      
      pic=image.new("L",(row,col))
      for i in range(row):
          for j in range(col):
              pic.putpixel((i,j),int(256/(label[i][j]+1)))
      pic.save("splited.jpg","JPEG")
      
      '''
          实验分析：
          通过设置k的值，可以得到不同结果，同时由于k的不确定，也可能得不到预期结果。
      '''
      

      前为结果，后面为原图

   3.