K-means 和 EM 算法答案

【问题标题】：K-means and EM algorithmsK-means 和 EM 算法
【发布时间】：2015-08-16 21:05:29
【问题描述】：

如何在不调用 openCV 函数进行图像分割的情况下实现 k-means 和 EM 算法？

我从这段代码开始：

#include opencv2/highgui/highgui.hpp
#include iostream

using namespace cv;
using namespace std;

int main()
{
    Mat img = imread("testImage.png", 0);
    Mat label_img;
    label_img.create(img.cols, img.rows, CV_8UC1);
}

我该如何继续？

【问题讨论】：

好的开始，继续……
谢谢，但是如何在不调用 openCV 函数进行图像分割的情况下实现 k-means 和 EM 算法？
通过编码下一步。试一试，如果遇到问题，请回来看看我们。
好的，我如何在没有实现的情况下开始编码！ ..我应该首先知道我该如何实现它

标签： c++ opencv cluster-analysis k-means image-segmentation

【解决方案1】：

K-means 的工作非常简单，只需迭代两个步骤直到收敛，即 E-step 和 M-step。

初始化：

将每个像素随机分配给k 集群之一。也就是说，为label_img 中的每个条目随机选择一个数字[0..k-1]。

期望（E-step）

给定将像素分配给集群 (label_img)，您可以计算每个集群的中心（只是分配给该集群的像素值的平均值）。
在此阶段结束时，您将拥有指向 k 集群中心的 k 向量。

最大化（M-step）

一旦有了k 簇，您就可以计算每个像素到k 中心的距离，并将其分配（通过更改label_img 中的相应条目）到最接近像素的中心。
在此阶段结束时，您将为每个像素分配一个新的簇（label_img 的新值）

您需要重复这两个步骤，直到label_img 不再更改或者您超过了预定义的迭代次数。

【讨论】：

嗨@Shai，感谢您的帮助..请查看我的代码中缺少什么我已在答案部分添加了代码
@faho0odywbas 首先，请不要发布代码作为答案，编辑您的问题以反映您的进度。其次，k-means 是 EM 算法的一个例子。三、尝试为每一步实现一个函数：init、e-step和m-step
嗨 @Shai 先生，对不起，我不知道如何将代码添加为注释，因为当我在这里添加时，它看起来并不清晰......现在你的意思是让 k 意味着作为初始步骤？ ,, 如果是这样，我该怎么做？
@faho0odywbas 我的意思不是评论。只需编辑问题本身以反映您的进度。

【解决方案2】：

include <opencv2/highgui/highgui.hpp>
include <iostream>

using namespace cv;
using namespace std;

void kmeans(const Mat frame, Mat label) {
}

void em(const Mat frame, const Mat label, Mat new_label) {
}

void main()
{
Mat frame;
Mat label_img;
Mat em_label;

frame = imread("testImage.png", 0);

kmeans(frame, label_img);

em(frame, label_img, em_label);
label_img.create(frame.cols, frame.rows, CV_8UC1);

label_img.ptr<float>(25)[30] = 0;
label_img.ptr<float>(25)[31] = 255;

}

【讨论】：