如何加速openCV中的颜色聚类？

Question

对于一个项目，我想实现一种颜色聚类算法，用类似于聚类的平均颜色替换相似的颜色。

目前，我使用kmeans算法聚类整个图像。但这需要很长时间。有人知道如何使用kmeans聚类颜色直方图，所以我可以执行这个算法吗？

Answer 1

首先

下采样图像，然后运行k-means。

如果你在x和y中将图像的大小调整为1/2，它不应该影响很多颜色，但k-means应该最多占用1/4的时间。如果你重新采样到宽度和高度的1/10，k-means的运行速度应该快100倍。

https://en.wikipedia.org/wiki/Color_quantization

通过对图像进行下采样，您可以在群集期间处理较少的“像素”。但最终，它应该产生大致相同的配色方案。

k -means的小摘要：

1. 它将每个对象（=像素）映射到最近的聚类中心（=调色板条目）
2. 重新计算每个调色板条目以最佳地表示指定的点（=像素）
3. 重复，直到没有任何变化。

因此真实输出不是图像或图像区域。这是调色板。

然后，只需用最接近的颜色替换每个像素，就可以将任意图像（包括全分辨率版本）映射到此调色板！

复杂性和性能：

k-means的复杂度为O(n*k*i)，其中n是您拥有的像素的数量， k 所需的输出数量颜色和 i 收敛前所需的迭代次数。

n：通过下采样，您可以轻松减少n，这是最大因素。在许多情况下，在看到性能下降之前，可以非常显着地减少这种情况。

k：这是您想要的输出颜色数。是否可以减少这种情况取决于您的实际使用情况。

i：各种因素会对收敛产生影响（包括其他因素！），但最强的可能是具有良好的起始值。因此，如果您有一个非常快但质量低的方法来选择调色板，请先运行它，然后使用k-means来优化此调色板。也许OpenCV已经包含了适当的启发式算法！

您可以看到，最简单的方法是减少n。您可以显着减少n，为缩略图生成优化的调色板，然后重新运行 k-means在完整图像上 refinining this调色板。正如 - 希望 - 这将显着减少迭代次数，这有时可以很好地执行。

Answer 2

我的答案与直方图聚类无关，但最近我需要加速算法的聚类过程。为此我做了以下事情：

1. 将图片大小调整为较小的图像（实际上已经建议）
2. 减少颜色数量（image quantization）。我按照这里的建议做到了：How to reduce the number of colors in an image with OpenCV?。

这确实帮助我在某些时候加速了群集化。您也可以尝试使用OpenCV的mean-shift filtering。

Answer 3

您需要为每个数据指定权重，即直方图箱中的值数。然后，当您为群集质心计算新值时，使用加权平均值而不是普通平均值。但是OpenCV KMeans集群的界面不支持加权值。你可以使用支持它的C clustering library，有很好的文档记录（虽然从生物信息学中得到例子），并且易于集成（单个.h / .c文件）。