Python中的聚类 - 图像聚类

Question

我想使用K Means或其他算法对图像进行聚类（需要建议）。

问题是这样的 - 我想将图像聚类成3个聚类（自然，日落，水）。我使用os.listdir（）加载所有图像，然后将所有图像转换为数组（RGB），然后创建一个包含三列的数据框--ID，Image_array，Label。

现在，当我使用K Means聚类时，提供n_clusters = 3，它会显示以下错误：

  

来自sklearn.cluster导入KMeans   kmeans = KMeans（n_clusters = 3）.fit（img_array）   ERROR =找到带有暗淡的数组4.预期估算值<= 2。

现在，我需要你帮助解决这个群集问题。我创建的数据框看起来像这样

img_array = []

path = "C://Users/shivam/Desktop/freelancer/p22/data/green_nature/"
for f in os.listdir('.'):
    if f.endswith('.jpg'):
        img = Image.open(f)
        data = np.asarray(img, dtype='uint8')
        img_array.append(data)


df = pd.DataFrame({'image_arrays':img_array})
df['id'] = range(1, len(df) + 1)

Answer 1

正如你所说，k-means想要每个输入一个向量，而你为每个图像提供一个3d数组。解决这类问题（这确实需要一些创造力）的最简单方法是设计一套对你所拥有的课程进行描述的功能。

因为在这种情况下你想要在自然（很多是绿色），水（很多是蓝色）和日落（很多可读/黄色/粉红色？）之间进行分类，你可以使用总蓝色或平均绿色蓝色和红色值。要检查您选择的要素是否具有辨别力，可以绘制直方图。

从您的4D（图像x宽x高x颜色）数组转到2D（图像x平均颜色）数组。你需要在颜色，高度和宽度的diminsions上取np.mean。最后你应该有一个（图像x 3（颜色））数组。

Answer 2

这种情况发生的原因是你通过了4-dim数组，而预期是2-dim。 'img_array.shape'应该是这样的（n_samples，n_features）。 您需要使用特征提取算法。

这可以通过scikit-image模块完成。 您需要将图像转换为灰度格式。 代码：

import skimage.feature as feature
img_converted = []
for i in range(len(img_array)):
    img_converted.append(feature.hog(img_array[i]))
model.fit(np.array(img_converted))

文档：http://scikit-image.org/docs/dev/api/skimage.feature.html#hog