Question

我有一个带有字母和不同颜色形状的图像。我需要在它们上执行kmeans聚类，然后提供两个不同的图像，一个只重新生成的形状，另一个只重新生成Letter颜色。这是一个原始图像示例以及我需要实现的目标。 Original Image

我已经成功执行了kmeans聚类算法，如何访问标签和聚类idx以重新生成所需的结果？有人可以用示例代码说明。这是代码。提前谢谢。

import numpy as np
import cv2

img = cv2.imread("/home/manohar/Outputs/Targets/m-0.PNG",1)
cv2.imshow("original",img)

Z = img.reshape((-1,3))

# convert to np.float32
Z = np.float32(Z)

# Here we are applying k-means clustering so that the pixels around a colour are consistent and gave same BGR/HSV values 


# define criteria, number of clusters(K) and apply kmeans()
criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 10, 1.0)
# We are going to cluster with k = 2, because the image will have just two colours ,a white background and the colour of the patch
K = 3
attempts=10
ret,label,center=cv2.kmeans(Z,K,None,criteria,attempts,cv2.KMEANS_PP_CENTERS)

# Now convert back into uint8
#now we have to access the labels to regenerate the clustered image
center = np.uint8(center)
res = center[label.flatten()]
res2 = res.reshape((img.shape))
#res2 is the result of the frame which has undergone k-means clustering


cv2.imshow("res2",res2)
cv2.waitKey()
cv2.destroyAllWindows()

Answer 1

好的，所以如果你想把所有分类为＆＃34; white＆＃34;的像素改为黑色。通过K-Means您需要先看到哪个标签对应于＆＃34; white＆＃34;类别。您可以通过查看center（包含生成的k中心）中的白色（255,255,255）所属的索引来实现此目的，如下所示：

white_index = 0
for b,g,r in center:
    #check if it is white
    if b == g == r == 255:
        #then this is the white category
        break
    white_index = white_index + 1

请注意，由于k-means是一种未经过调整的方法，因此您的类别可能不一定完全白色（可能类似于250,249,254）。所以你在搜索索引时应该考虑这个，也就是你应该寻找更接近白色的颜色。您可以通过应用color distance公式比较颜色来实现此目的。

但是根据我的经验，我相信center已经以某种方式对得到的中心进行排序（更大的像素值往往首先出现），我注意到更靠近白色的中心有更低的索引（因此白色< strong>可能索引0）。但最好还是检查一下。

现在您知道哪个索引对应于白色，您可以看到哪些像素被归类为label变量中的像素。为此，有几种方法可以做到这一点，肯定比其他方法更有效，一种方法可能是：

#Copy image to modify it img_copy = img[:] #Reshape label to match the original image new_label = label.reshape(img.shape) #iterate over new_label, and if the category is white #paint pixel corresponding to row,col black row = 0 for i in new_label: column = 0 for category in i: if category == white_index: #paint that pixel black img_copy[row,column] = [0, 0, 0] column = column + 1 row = row + 1 #now show edited image cv2.imshow("Object Removed",img_copy) cv2.waitKey() cv2.destroyAllWindows()

编辑：上面的代码获取了检测到的颜色被删除（变黑）的图像。为了获得它的补充，即只有检测到的物体可见的图像，你可以做几件事。一种方法可能是获取img的副本并使不属于该颜色的像素变黑（不包括category == white_index），如：

#Obtain another copy of image to modify it extract = img[:] #Now do the opposite, iterate over new_label, and if the category is Not white #paint pixel corresponding to row,col black row = 0 for i in new_label: column = 0 for category in i: if category != white_index: #paint that pixel black extract[row,column] = [0, 0, 0] column = column + 1 row = row + 1 #show or do whatever you want...

获取提取对象的另一种更复杂的方法是获取对象的contour（通过阈值处理并使用cv2.findContours()），然后应用cv2.boundingRect()以便获得带有对象的较小剪辑（通过剪切img与给定的矩形）。您可以检查详细说明的链接。

使用Kmeans，Opencv Python进行颜色分割

1 个答案: