聚类点算法

Question

我已经应用了三种不同的方法来获取点集，如下所示。 每种方法都会产生一个点向量。每种方法都有不同的颜色，分别是红色，蓝色和绿色。

这是组合的图像，覆盖了所有三组点

正如您在合成图像中看到的那样，所有三个集合都“同意”存在点（即通常位于完全相同的点）。我想找到这些特殊的点，并将它们组合成一个坐标。我不确定从哪里着手解决这个问题。我研究了K-means聚类，但是对我来说，问题似乎是K-means将所有点聚类并取周围点的平均值，从而使聚类中心偏离原始位置。我可以遍历存储点的所有向量中的所有点，但是随着这些图像随着点的增加而变大，它变得非常昂贵且效率低下。

有人对如何解决此问题有任何提示吗？我一直在使用C ++的OpenCV。

Answer 1

名义上，您要做的是考虑三组点上完整的三方图，其边缘按距离加权。然后按重量顺序选择边缘，直到出现三角形；将这些点称为对应的集合，选择（说）其质心来表示它们，然后从图中删除。当边缘长度超过某些公差时停止。

这种方法的数学理由是它独立于点排序（在极不可能的情况下，点之间的距离存在问题）。

该算法的实用实现（针对大量点）涉及一种搜索数据结构，该结构可以快速找到附近点（不仅仅是最近的点）：在阈值大小的情况下，可以使用四叉树或 k - d 树。可能您会为每个点集创建一个，然后将其他集的点用作查询点。