聚类点算法

Question

我已经应用了三种不同的方法来获取点集，如下所示。 每种方法都会产生一个点向量。 每种方法都有不同的颜色，红色、蓝色和绿色。

这是组合图像，覆盖了所有 3 组点

正如您在组合图像中看到的那样，存在所有三组“一致”的点（即通常位于完全相同的点）。 我想找到这些特定的点并将它们组合成一个坐标。 我不确定从哪里开始解决这个问题。 我已经研究过 K-means 聚类，但对我来说问题似乎是 K-means 将所有点聚类并取周围点的平均值，将聚类中心从原始位置移动。 我可以遍历所有存储点的向量中的所有点，但是随着这些图像随着点的增多而变大，它变得非常昂贵且效率低下。

有没有人有任何关于如何解决这个问题的提示？ 我一直在使用 OpenCV 和 C++。

Answer 1

从理论上讲，您想要做的是考虑三组点上的完整三方图，其中边由距离加权。 然后按权重顺序选择边，直到出现三角形； 将这些点称为相应的集合，选择（例如）它们的质心来表示它们，然后将它们从图中删除。 当边缘长度超过某个公差时停止。

这种方法的数学依据是它独立于点排序（除非在点之间的距离有问题的不太可能的情况下）。

该算法的实际实现（对于大量点）涉及可以快速找到附近点（不仅仅是最近点）的搜索数据结构：阈值大小的 bin、四叉树或k - d树都可以. 可能您会为每个点集创建一个，并使用其他集的点作为查询点。