使用kmeans聚类python opencv进行图像分割

Question

我一直在尝试获得与此MATLAB代码相似的结果，这给了我想要的结果，但是，我正在尝试使用OpenCV 3 + Python来实现。

这是OpenCV 3 + Python中的类似实现：

import cv2
import numpy as np

class Segment:
    def __init__(self,segments=5):
        #define number of segments, with default 5
        self.segments=segments

    def kmeans(self,image):
        image=cv2.GaussianBlur(image,(7,7),0)
        vectorized=image.reshape(-1,3)
        vectorized=np.float32(vectorized) 
        criteria=(cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 10, 1.0)
        ret,label,center=cv2.kmeans(vectorized,self.segments,None,criteria,10,cv2.KMEANS_RANDOM_CENTERS)
        res = center[label.flatten()]
        segmented_image = res.reshape((image.shape))
        return label.reshape((image.shape[0],image.shape[1])),segmented_image.astype(np.uint8)


    def extractComponent(self,image,label_image,label):
        component=np.zeros(image.shape,np.uint8)
        component[label_image==label]=image[label_image==label]
        return component

if __name__=="__main__":
    import argparse
    import sys
    ap = argparse.ArgumentParser()
    ap.add_argument("-i", "--image", required = True, help = "Path to the image")
    ap.add_argument("-n", "--segments", required = False, type = int,
        help = "# of clusters")
    args = vars(ap.parse_args())

    image=cv2.imread(args["image"])
    if len(sys.argv)==3:

        seg = Segment()
        label,result= seg.kmeans(image)
    else:
        seg=Segment(args["segments"])
        label,result=seg.kmeans(image)
    cv2.imshow("segmented",result)
    result=seg.extractComponent(image,label,2)
    cv2.imshow("extracted",result)
    cv2.waitKey(0)

我正在寻找的是能够自己提取A并在其周围提取矩形，并在背景周围提取矩形，这样我就可以分别对其进行操作了。

在这里，您可以看到原始图像+当前输出+所需的输出：

知道我该如何实现吗？

Answer 1

我目前无法执行此操作，但是您的实现与Matlab的实现之间存在一些差异，您应该检查一下：

• 色彩空间 ：Matlab的示例适用于L * a * b *以及您在BGR上的实现，特别是在'a *'和'b *'通道上
• nClusters ：因为您没有对其进行硬编码，所以我假设您像Matlab的示例一样使用segments=3 ，对吧？ 您的默认值为5 ...
• GaussianBlur ：我看不到在Matlab的示例上应用任何模糊
• 尝试 ：您正在使用attempts=10 ，而Matlab只有3