Question

我试着写一套功能系统图像识别系统。算法的一个步骤是采用大量小图像补丁（比如7x7或11x11像素）并尝试将它们聚类成看起来相似的组。我从图像中获取补丁，将它们转换为灰度浮点图像补丁，然后尝试让cvKMeans2为我聚类。我认为我在格式化输入数据时遇到问题，以便KMeans2返回连贯的结果。我之前使用过KMeans进行2D和3D聚类，但49D聚类似乎是一个不同的野兽。

我一直在为返回的集群向量获取垃圾值，所以很明显这是垃圾输入/垃圾输出类型问题。此外，该算法运行速度比我认为应该如此庞大的数据集。

在下面的代码中，直接memcpy只是我最近尝试以正确的格式获取输入数据，我花了一些时间使用内置的OpenCV函数，但是当你的基类型是CV_32FC（49）时这很难。

OpenCV 1.1的KMeans算法能否支持这种高维分析？

有人知道从图像复制到K-Means输入矩阵的正确方法吗？

有人能指出我可以使用的免费非GPL KMeans算法吗？

这不是最好的代码，因为我只是想让事情立即发挥作用：

    std::vector<int> DoKMeans(std::vector<IplImage *>& chunks){
 // the size of one image patch, CELL_SIZE = 7
 int chunk_size = CELL_SIZE*CELL_SIZE*sizeof(float);
 // create the input data, CV_32FC(49) is 7x7 float object (I think)
 CvMat* data = cvCreateMat(chunks.size(),1,CV_32FC(49) );


 // Create a temporary vector to hold our data
 // we'll copy into the matrix for KMeans
 int rdsize = chunks.size()*CELL_SIZE*CELL_SIZE;
 float * rawdata = new float[rdsize];

 // Go through each image chunk and copy the 
 // pixel values into the raw data array.
 vector<IplImage*>::iterator iter;
 int k = 0;
 for( iter = chunks.begin(); iter != chunks.end(); ++iter )
 {

  for( int i =0; i < CELL_SIZE; i++)
  {
   for( int j=0; j < CELL_SIZE; j++)
   {
    CvScalar val;
    val = cvGet2D(*iter,i,j);
    rawdata[k] = (float)val.val[0];
    k++;
   }

  }
 }

 // Copy the data into the CvMat for KMeans
 // I have tried various methods, but this is just the latest.
 memcpy( data->data.ptr,rawdata,rdsize*sizeof(float));

 // Create the output array
 CvMat* results = cvCreateMat(chunks.size(),1,CV_32SC1);

 // Do KMeans
 int r = cvKMeans2(data, 128,results, cvTermCriteria(CV_TERMCRIT_EPS+CV_TERMCRIT_ITER, 1000, 0.1));

 // Copy the grouping information to our output vector
 vector<int> retVal;
 for( int y = 0; y < chunks.size(); y++ )
 {
  CvScalar cvs = cvGet1D(results, y);
  int g =  (int)cvs.val[0];
  retVal.push_back(g);
 }

 return retVal;}

提前致谢！

Answer 1

虽然我不熟悉“功能包”，您是否考虑过使用角点探测器和SIFT等功能点？

Answer 2

您可能希望查看http://bonsai.ims.u-tokyo.ac.jp/~mdehoon/software/cluster/其他开源群集程序包。

使用像这样的memcpy似乎很可疑，因为当你这样做时：

 int rdsize = chunks.size()*CELL_SIZE*CELL_SIZE;

如果CELL_SIZE和chunks.size（）非常大，那么你在rdsize中创建了一些大的东西。如果这大于最大可存储整数，则可能会出现问题。

你想在这个功能中改变“块”吗？我猜你没有，因为这是一个K-means问题。

所以尝试通过引用传递给const。（一般来说，这就是你想要做的事情）

所以代替：

std::vector<int> DoKMeans(std::vector<IplImage *>& chunks)

它将是：

std::vector<int> DoKMeans(const std::vector<IplImage *>& chunks)

同样在这种情况下，最好使用static_cast而不是旧的c样式转换。（例如static_cast（变量）而不是（float）变量）。

您也可以删除“rawdata”：

 float * rawdata = new float[rdsize];

可以删除：

delete[] rawdata;

否则你可能会在这里泄漏记忆。

OpenCV 1.1 K-Means在高维空间中的聚类

2 个答案: