RGB图像的RGB图像分割意味着python中的聚类

我想要使用k均值聚类来分割用于土地覆盖的RGB图像（卫星图像），使得图像的不同区域用不同的颜色标记，并且如果可能的话创建分隔不同区域的边界。RGB图像的RGB图像分割意味着python中的聚类

K-means聚类可以实现吗？我一直在搜索整个互联网和许多教程通过k意味着群集，但只有在将图像转换为灰度后。我只想用RGB图像来做。有什么资料可以帮助我开始？请提出建议。

2015-07-01 RachJain

这个问题对于SO来说可能太宽泛了。而且目前的形式很模糊。您想要区分大致相似颜色的区域吗？ FWIW，k-means聚类_can_可用于对RGB图像执行颜色量化。然而，标准k-means可能不适合你的任务，因为你需要提前指定'k'（地区的数量）。也许像[生成自组织映射]（https://en.wikipedia.org/wiki/Growing_self-organizing_map）这种不同的方法会更好。 –

谢谢你的帮助。为了澄清我的问题，我想对地表卫星影像进行图像分割作为GIS的一个应用，因此这些区域具有不同的颜色，强度和纹理。对于K均值聚类，我已经通过了我的项目的土地覆盖分类文献，发现用K均值聚类算法得到的最好结果用于图像分割。现在请建议在这方面提出一些建议。 – RachJain

你是什么意思，他们将图像转换为灰度？该公式计算一个点与质心的欧几里得距离。因此使用R，G，B值。阅读这个学生报告使用不同的色彩空间的比较 - RGB或HSV：http://www.cs.bgu.ac.il/~ben-shahar/Teaching/Computational-Vision/StudentProjects/ICBV121/ICBV-2012-1-OfirNijinsky-AvivPeled/report.pdf

来源

2015-07-01 08:40:20 riddler

当我说他们先把它转换成灰度，这里是一个链接到[链接]（http://scikit-learn.org/stable/auto_examples/cluster/plot_lena_segmentation.html） – RachJain

它没有转换为灰度，图像它本身通过函数scipy.misc.lena（）获得灰度。查看图形切割 - 它们可能更适合卫星图像。 – riddler

我想这是不相关的RachJain但如果有人在未来的需求：一个简单的使用sklearn KMean算法将给通缉结果：

from sklearn.cluster import KMeans 
pic = np.float64(misc.imread(filepath)/255) 
kmeans = KMeans(n_clusters=13, random_state=0).fit(pic) 
pic2show = kmeans.cluster_centers_[kmeans.labels_] 
plt.imshow(pic2show)

来源

2017-11-07 07:34:40

RGB图像的RGB图像分割意味着python中的聚类

回答

相关问题