如何使用opencv c ++进行聚类，根据区域和高度对连接的组件进行分类

Question

嗨，使用opencv c ++，我想进行聚类，根据区域和高度对连接的组件进行分类。 我确实理解了聚类的概念，但我很难在opencv c ++中实现它。

在opencv中

http://docs.opencv.org/modules/core/doc/clustering.html

有一种聚类方法kmeans

我搜索的网站大部分都是在opencv c ++中解释kmeans功能的概念和参数，其中大部分是从opencv文档网站复制的。

double kmeans(InputArray data, int K, InputOutputArray bestLabels, TermCriteria criteria, int attempts, int flags, OutputArray centers=noArray() )

这里也有很好的例子，但它是用Python实现的

http://docs.opencv.org/trunk/doc/py_tutorials/py_ml/py_kmeans/py_kmeans_opencv/py_kmeans_opencv.html?highlight=kmeans

正如我上面提到的，我拥有所有连接的组件，我可以计算每个连接组件的面积和高度。

我想使用群集来区分连接的组件。

例如，使用k-means方法我会使用k = 2.

感谢..

Answer 1

我正在发布片段，希望这会对你有帮助.... 组件的高度和面积可以用作kmean的特征。现在这里为每个功能kmean将给你中心。即1个区域中心和1个组件高度中心。

Mat labels;
int attempts = 11;
Mat centers;
int no_of_features = 2;//(i.e. height, area)
Mat samples(no_of_connected_components, no_of_features, CV_32F);
int no_of_sub_classes = 1; // vary for more sub classes

for (int j = 0; j < no_of_connected_components; j++)
{
    for (int x = 0; x < no_of_features; x++)
    {
        samples.at<float>(j, x) = connected_component_values[j,x];
        //fill the values(height, area) of connected component labelling
    }
}

cv::kmeans(samples, no_of_sub_classes, labels, TermCriteria(CV_TERMCRIT_ITER | CV_TERMCRIT_EPS, 10000, 0.001), attempts, KMEANS_PP_CENTERS, centers);

for (size_t si_i = 0; si_i < no_of_sub_classes ; si_i++)
{
    for (size_t si_j = 0; si_j < no_of_features; si_j++)
    {
        KmeanTable[si_i*no_of_sub_classes + si_i][si_j] = centers.at<float>(si_i, si_j);
    }

}

这里我将中心存储在kmeanTable 2D数组中，您可以使用它。现在，对于每个连接的组件，您可以计算距离中心的欧氏距离。 较低的差异特征有资格进行分类。

Answer 2

检查this。

除了迭代x，y和z之外，你将迭代组件和属性（区域和高度）。