使用OpenCV-Python对灰度图像进行后处理

Question

我试图使用opencv在python中对图像进行分色，经过一段时间的搜索，我发现了openCV documentations中的一个线索。但正如你可以看到它的rgb图像和我所得到的是一个灰度图像，我无论如何都做了它并得到了奇怪的输出。我调整了代码中的一些地方，甚至得到了更奇怪的输出。有人可以解释一下发生了什么吗？

修改

我的代码

import numpy as np
import cv2

img = cv2.imread('Lenna.png')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

Z = np.float32(gray)

criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 10, 1.0)
K = 8
ret,label,center=cv2.kmeans(Z,K,None,criteria,10,cv2.KMEANS_RANDOM_CENTERS)

center = np.uint8(center)
res = center[label.flatten()]

cv2.imshow('res',res)
cv2.waitKey(0)
cv2.destroyAllWindows()

输入图片：

输出图片：

Answer 1

  

有人可以解释一下发生了什么吗？

Kmeans输入是矢量矢量，或者在很多情况下是像素矢量或2D / 3D点矢量。在您的代码中，您传递的是一个图像，它是一行中值的向量。这就是为什么你会得到这个奇怪的价值。

你能做什么？

简单，将输入重新整形为灰度值的一维向量。

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

这样，它会尝试使用每个灰度值作为输入来对它们进行聚类（对它们进行分组），然后它会相应地标记每个值。

Answer 2

如果您在示例中进一步了解，可以找到这样的解决方案：

import numpy as np
import cv2

img = cv2.imread('Lenna.png')

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

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

# define criteria, number of clusters(K) and apply kmeans()
criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 10, 1.0)
K = 8


ret,label,center=cv2.kmeans(Z,K,None,criteria,10,cv2.KMEANS_RANDOM_CENTERS)

# Now convert back into uint8, and make original image
center = np.uint8(center)
res = center[label.flatten()]
res2 = res.reshape((img.shape))

cv2.imshow('res2',res2)
cv2.waitKey(0)
cv2.destroyAllWindows()

请注意重塑以计算RGB图像。