실제 애플리케이션 클러스터링, 이미지 분할.
비 중첩 영역의 복수의 화상 특징 이미지를 사용.
일반적으로 사용되는 방법 임계 분할, 분할 에지 히스토그램에있어서, 특정 이론 (클러스터 기반 웨이블렛 분석 등).
예 : 클러스터링 알고리즘 K 용 수단 분할 클러스터를 사용하여 이미지 픽셀의 컬러 화상.
출력 : 같은 색으로 표시된 동일한 클러스터 점은, 화소의 다른 클러스터는 다른 색으로 표시.
픽셀은 [0,1]의 범위에 PIL 색 변환을 이용하여 영상 라이브러리에서 읽었다.
오픈 = F (여기서 filePath "RB")
데이터 = []
IMG = Image.open (F)
m, = N-img.size
거리 (m)에 대한 I :
J 대 범위 (N-) :
X, Y, Z img.getpixel = ((I, J))
data.append ([X / 256.0, Y / 256.0, Z / 256.0])
f.close ()는
픽셀 컬러 데이터 K-수단 알고리즘을 클러스터한다.
imgData, 행의 loadData COL = ( "test.jpg를")
km = KMeans (= n_clusters. 3)
라벨 = km.fit_predict (imgData)
레이블 = label.reshape은 ([행은 COL])
라벨 일차원 데이터, 변환되고 이미지는 동일한 형상 일 수있다.
다음과 같은 결과와 사진에 대한 최종 출력 :
작품
처리 된 화상
本文代码:
https://github.com/zwdnet/MyQuant/blob/master/27
我发文章的四个地方，欢迎大家在朋友圈等地方分享，欢迎点“在看”。
我的个人博客地址：https://zwdnet.github.io
我的知乎文章地址： https://www.zhihu.com/people/zhao-you-min/posts
我的博客园博客地址： https://www.cnblogs.com/zwdnet/
我的微信个人订阅号：赵瑜敏的口腔医学学习园地