修复 KMeans 集群 position

Question

我正在尝试使用 KMeans 对 RGB colors 进行聚类，并自动计算图像上每组的像素数。 为此，我将质心的初始 position 设置在我想从 sklearn 分类和运行 KMeans 的位置。

问题是，根据图像，算法 output 改变了初始质心向量的顺序，所以当我计算元素的数量时，它会变成错误的颜色。

当我没有一个或多个位于图像初始质心的 colors 时，通常会发生这种情况。 在这种情况下，我希望它改为 0。

有谁知道如何在 KMeans 预测的 output 上修复初始质心的顺序？

代码如下：

 centroid_start = np.array([[0,0,0],#Black
                           [38,64,87], #Col1
                           [43,68,98], #Col2
                           [23,42,45], #Col3
                           [160, 62, 0],#Col3
                           [153, 82, 33], #Col5
                           [198, 130, 109], #Col6
                           [100,105,79], #Col7
                           [220,138, 22]#Col8
                           ], np.float64)      
    image = cv.cvtColor(img, cv.COLOR_HSV2RGB)
    reshape=image.reshape((image.shape[0]*image.shape[1], 3))
    cluster = KMeans(n_clusters =np.shape(centroid_start[0], init =centroid_start).fit(reshape)
 pixels = Counter(cluster.labels_)
print(pixels)

问题是：当我检查“像素”变量时，0 并不总是对应于黑色，1 并不总是对应于 Col1，等等。

Answer 1

如果您不希望 colors 迁移，您可能不应该使用 k-means。 相反，只需使用 colors 和图像像素之间的成对距离，然后使用 select 距离最小的颜色。

如果您确实希望迁移初始 colors，那么您必须接受您的一些初始集群中心（颜色）可能会消失或可能迁移到与初始 colors 非常不同的位置。 一种选择是重新排序您拟合的KMeans object 的cluster_centers_属性（可能还有labels_ ）的行。 另一个可能更安全的选项是计算拟合集群中心到原始 colors 的映射（再次使用成对距离），然后转换后续 k-means 分类的结果。 如果您想一步完成所有操作，您可以将KMeans子类化或通过创建自己的从 BaseEstimator 派生的class来包装它。