Question

我一直在努力为此MATLAB code取得类似的结果这给了我正在寻找的结果，但是，我正在尝试使用OpenCV 3 + Python实现这一目标。

这是OpenCV 3 + Python中的类似实现：

import cv2
import numpy as np

class Segment:
    def __init__(self,segments=5):
        #define number of segments, with default 5
        self.segments=segments

    def kmeans(self,image):
        image=cv2.GaussianBlur(image,(7,7),0)
        vectorized=image.reshape(-1,3)
        vectorized=np.float32(vectorized) 
        criteria=(cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 10, 1.0)
        ret,label,center=cv2.kmeans(vectorized,self.segments,None,criteria,10,cv2.KMEANS_RANDOM_CENTERS)
        res = center[label.flatten()]
        segmented_image = res.reshape((image.shape))
        return label.reshape((image.shape[0],image.shape[1])),segmented_image.astype(np.uint8)


    def extractComponent(self,image,label_image,label):
        component=np.zeros(image.shape,np.uint8)
        component[label_image==label]=image[label_image==label]
        return component

if __name__=="__main__":
    import argparse
    import sys
    ap = argparse.ArgumentParser()
    ap.add_argument("-i", "--image", required = True, help = "Path to the image")
    ap.add_argument("-n", "--segments", required = False, type = int,
        help = "# of clusters")
    args = vars(ap.parse_args())

    image=cv2.imread(args["image"])
    if len(sys.argv)==3:

        seg = Segment()
        label,result= seg.kmeans(image)
    else:
        seg=Segment(args["segments"])
        label,result=seg.kmeans(image)
    cv2.imshow("segmented",result)
    result=seg.extractComponent(image,label,2)
    cv2.imshow("extracted",result)
    cv2.waitKey(0)

我正在寻找的是能够自己提取A和它周围的矩形和背景本身，所以我可以单独操纵它们。

在这里你可以看到原始图像+当前输出+所需的输出：

知道如何实现这一目标吗？

Answer 1

我现在无法做到这一点，但您的实施与Matlab之间存在一些差异，您应该检讨：

色彩空间：Matlab的示例适用于L * a * b *和您在BGR上的实现，特别是'a *'和'b *'频道
nClusters ：因为你没有硬编码，我假设你正在使用$ jq --version jq version 1.3，就像Matlab的例子一样，对吧？您的默认值为5 ...
GaussianBlur ：我在Matlab的示例中看不到任何模糊
尝试：您正在使用segments=3，而Matlab只有3

使用kmeans聚类python opencv进行图像分割

1 个答案: