opencv kmeans聚类的输入矩阵

Question

这个问题特定于opencv： opencv文档中给出的kmeans示例具有2通道矩阵 - 每个维度的特征向量都有一个通道。但是，其他的一些例子似乎表明，它应该是一个单通道矩阵，沿着列具有一个特征，每个样本一行。哪些是正确的？

，如果我有一个5维特征向量，应该是什么，我使用的输入矩阵： 这一个：

cv::Mat inputSamples(numSamples, 1, CV32FC(numFeatures)) 

或者这一个：

cv::Mat inputSamples(numSamples, numFeatures, CV_32F) 

Answer 1

正确的答案是cv::Mat inputSamples(numSamples, numFeatures, CV_32F) 。 在OpenCV文档约kmeanssays：

样本 - 输入样本的浮点矩阵，每采样1行

所以它不是如在n维浮一个浮点矢量另一种选择。哪些例子表明了这种行为？

这里也是一个小例子，显示了如何使用kmeans。它簇的图像的像素，并显示结果：

#include "opencv2/imgproc/imgproc.hpp" 
#include "opencv2/highgui/highgui.hpp" 

using namespace cv; 

int main(int argc, char** argv) 
{ 
    Mat src = imread(argv[1], 1); 
    Mat samples(src.rows * src.cols, 3, CV_32F); 
    for(int y = 0; y < src.rows; y++) 
    for(int x = 0; x < src.cols; x++) 
     for(int z = 0; z < 3; z++) 
     samples.at<float>(y + x*src.rows, z) = src.at<Vec3b>(y,x)[z]; 


    int clusterCount = 15; 
    Mat labels; 
    int attempts = 5; 
    Mat centers; 
    kmeans(samples, clusterCount, labels, TermCriteria(CV_TERMCRIT_ITER|CV_TERMCRIT_EPS, 10000, 0.0001), attempts, KMEANS_PP_CENTERS, centers); 


    Mat new_image(src.size(), src.type()); 
    for(int y = 0; y < src.rows; y++) 
    for(int x = 0; x < src.cols; x++) 
    { 
     int cluster_idx = labels.at<int>(y + x*src.rows,0); 
     new_image.at<Vec3b>(y,x)[0] = centers.at<float>(cluster_idx, 0); 
     new_image.at<Vec3b>(y,x)[1] = centers.at<float>(cluster_idx, 1); 
     new_image.at<Vec3b>(y,x)[2] = centers.at<float>(cluster_idx, 2); 
    } 
    imshow("clustered image", new_image); 
    waitKey(0); 
} 

Answer 2

作为替代手动重塑输入矩阵，可以使用的OpenCV reshape函数来实现类似的结果用更少的代码。下面是降低颜色与K-means法（在Java中）计数的我的工作实现：

private final static int MAX_ITER = 10; 
private final static int CLUSTERS = 16; 

public static Mat colorMapKMeans(Mat img, int K, int maxIterations) { 

    Mat m = img.reshape(1, img.rows() * img.cols()); 
    m.convertTo(m, CvType.CV_32F); 

    Mat bestLabels = new Mat(m.rows(), 1, CvType.CV_8U); 
    Mat centroids = new Mat(K, 1, CvType.CV_32F); 
    Core.kmeans(m, K, bestLabels, 
       new TermCriteria(TermCriteria.COUNT | TermCriteria.EPS, maxIterations, 1E-5), 
       1, Core.KMEANS_RANDOM_CENTERS, centroids); 
    List<Integer> idx = new ArrayList<>(m.rows()); 
    Converters.Mat_to_vector_int(bestLabels, idx); 

    Mat imgMapped = new Mat(m.size(), m.type()); 
    for(int i = 0; i < idx.size(); i++) { 
     Mat row = imgMapped.row(i); 
     centroids.row(idx.get(i)).copyTo(row); 
    } 

    return imgMapped.reshape(3, img.rows()); 
} 

public static void main(String[] args) { 
    System.loadLibrary(Core.NATIVE_LIBRARY_NAME); 
    Highgui.imwrite("result.png", 
     colorMapKMeans(Highgui.imread(args[0], Highgui.CV_LOAD_IMAGE_COLOR), 
      CLUSTERS, MAX_ITER)); 
} 

OpenCV的读取图像到二维，3信道矩阵。首先拨打reshape - img.reshape(1, img.rows() * img.cols()); - 实质上将3个通道展开为列。在结果矩阵中，一行对应于输入图像的一个像素，而3列对应于RGB分量。

后K-means算法完成其工作，并且颜色映射得到了应用，我们再次呼吁reshape - imgMapped.reshape(3, img.rows())，但现在滚动体列回通道，减少行数为原始图像的行数，从而找回了原始矩阵格式，但只有减少的颜色。