opencv：如何使用 kmeans() 按角度進行聚類

Question

問題是，如何按角度對某些單位進行聚類？ 問題在於，kmeans 基於歐幾里得空間距離的概念運行，並且不知道角度的周期性。 因此，要使其工作，需要將角度轉換為歐幾里得空間，但要保持以下正確：

1. 近角是歐幾里得空間中的近值；
2. 遠角在歐幾里得空間中很遠。

這意味着，90 和 -90 是遠值，180 和 -180 是相同的，170 和 -170 是接近的（角度從左上到右：0 - +180，從左下到右：0 - -180)

我嘗試使用各種sin()函數，但它們都有第 1 點和第 2 點中提到的問題。大多數觀點是sin(x * 0.5f)但也有問題，即 180 和 -180 是歐幾里得空間中的遠值。

Answer 1

我找到的解決方案是將角度轉換為圓上的點並將它們輸入 kmeans。 通過這種方式，我們可以比較點之間的距離，這非常有效。

重要的事情要提一下。 終止標准中的 Kmeans @eps以您提供給 kmeans 的樣本單位表示。 在我們的示例中，最大距離點的距離為 200 個單位（2 * 半徑）。 這意味着擁有 1.0f 完全沒問題。 如果在調用kmeans()之前對樣本使用cv::normalize(samples, samples, 0.0f, 1.0f) ，請適當調整@eps 。 像eps=0.01f這樣的東西在這里效果更好。

享受！ 希望這可以幫助某人。

static cv::Point2f angleToPointOnCircle(float angle, float radius, cv::Point2f origin /* center */)
{
        float x = radius * cosf(angle * M_PI / 180.0f) + origin.x;
        float y = radius * sinf(angle * M_PI / 180.0f) + origin.y;
        return cv::Point2f(x, y);
}

static std::vector<std::pair<size_t, int> > biggestKmeansGroup(const std::vector<int> &labels, int count)
{
        std::vector<std::pair<size_t, int> > indices;
        std::map<int, size_t> l2cm;

        for (int i = 0; i < labels.size(); ++i)
                l2cm[labels[i]]++;

        std::vector<std::pair<size_t, int> > c2lm;
        for (std::map<int, size_t>::iterator it = l2cm.begin(); it != l2cm.end(); it++)
                c2lm.push_back(std::make_pair(it->second, it->first)); // count, group

        std::sort(c2lm.begin(), c2lm.end(), cmp_pair_first_reverse);
        for (int i = 0; i < c2lm.size() && count-- > 0; i++)
                indices.push_back(c2lm[i]);
        return indices;
}

static void sortByAngle(std::vector<boost::shared_ptr<Pair> > &group,
                        std::vector<boost::shared_ptr<Pair> > &result)
{
        std::vector<int> labels;
        cv::Mat samples;

        /* Radius is not so important here. */
        for (int i = 0; i < group.size(); i++)
                samples.push_back(angleToPointOnCircle(group[i]->angle, 100, cv::Point2f(0, 0)));

        /* 90 degrees per group. May be less if you need it. */
        static int PAIR_MAX_FINE_GROUPS = 4;

        int groupNr = std::max(std::min((int)group.size(), PAIR_MAX_FINE_GROUPS), 1);
        assert(group.size() >= groupNr);
        cv::kmeans(samples.reshape(1, (int)group.size()), groupNr, labels,
                   cvTermCriteria(CV_TERMCRIT_EPS/* | CV_TERMCRIT_ITER*/, 30, 1.0f),
                   100, cv::KMEANS_RANDOM_CENTERS);

        std::vector<std::pair<size_t, int> > biggest = biggestKmeansGroup(labels, groupNr);
        for (int g = 0; g < biggest.size(); g++) {
                for (int i = 0; i < group.size(); i++) {
                        if (labels[i] == biggest[g].second)
                                result.push_back(group[i]);
                }
        }
}