opencv kmeans 聚类的输入矩阵

Question

这个问题是opencv特有的： opencv 文档中给出的 kmeans 示例有一个 2 通道矩阵 - 特征向量的每个维度都有一个通道。但是，其他一些示例似乎说它应该是一个单通道矩阵，其特征沿列具有每个样本的一行。哪个是对的？

如果我有一个 5 维特征向量，我使用的输入矩阵应该是什么： 这个：

cv::Mat inputSamples(numSamples, 1, CV32FC(numFeatures))

或者这个：

cv::Mat inputSamples(numSamples, numFeatures, CV_32F)

Answer 1

正确答案是cv::Mat inputSamples(numSamples, numFeatures, CV_32F)。 关于kmeanssays的OpenCV文档：

samples – 输入样本的浮点矩阵，每个样本一行

所以它不是另一个选项中的 n 维浮点数的浮点向量。哪些例子表明了这种行为？

这也是我的一个小例子，展示了如何使用 kmeans。它对图像的像素进行聚类并显示结果：

#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/highgui/highgui.hpp"

using namespace cv;

int main( int argc, char** argv )
{
  Mat src = imread( argv[1], 1 );
  Mat samples(src.rows * src.cols, 3, CV_32F);
  for( int y = 0; y < src.rows; y++ )
    for( int x = 0; x < src.cols; x++ )
      for( int z = 0; z < 3; z++)
        samples.at<float>(y + x*src.rows, z) = src.at<Vec3b>(y,x)[z];


  int clusterCount = 15;
  Mat labels;
  int attempts = 5;
  Mat centers;
  kmeans(samples, clusterCount, labels, TermCriteria(CV_TERMCRIT_ITER|CV_TERMCRIT_EPS, 10000, 0.0001), attempts, KMEANS_PP_CENTERS, centers );


  Mat new_image( src.size(), src.type() );
  for( int y = 0; y < src.rows; y++ )
    for( int x = 0; x < src.cols; x++ )
    { 
      int cluster_idx = labels.at<int>(y + x*src.rows,0);
      new_image.at<Vec3b>(y,x)[0] = centers.at<float>(cluster_idx, 0);
      new_image.at<Vec3b>(y,x)[1] = centers.at<float>(cluster_idx, 1);
      new_image.at<Vec3b>(y,x)[2] = centers.at<float>(cluster_idx, 2);
    }
  imshow( "clustered image", new_image );
  waitKey( 0 );
}

Answer 2

作为手动重塑输入矩阵的替代方法，您可以使用 OpenCV reshape 函数以更少的代码实现类似的结果。这是我使用 K-Means 方法（在 Java 中）减少颜色计数的工作实现：

private final static int MAX_ITER = 10;
private final static int CLUSTERS = 16;

public static Mat colorMapKMeans(Mat img, int K, int maxIterations) {

    Mat m = img.reshape(1, img.rows() * img.cols());
    m.convertTo(m, CvType.CV_32F);

    Mat bestLabels = new Mat(m.rows(), 1, CvType.CV_8U);
    Mat centroids = new Mat(K, 1, CvType.CV_32F);
    Core.kmeans(m, K, bestLabels, 
                new TermCriteria(TermCriteria.COUNT | TermCriteria.EPS, maxIterations, 1E-5),
                1, Core.KMEANS_RANDOM_CENTERS, centroids);
    List<Integer> idx = new ArrayList<>(m.rows());
    Converters.Mat_to_vector_int(bestLabels, idx);

    Mat imgMapped = new Mat(m.size(), m.type());
    for(int i = 0; i < idx.size(); i++) {
        Mat row = imgMapped.row(i);
        centroids.row(idx.get(i)).copyTo(row);
    }

    return imgMapped.reshape(3, img.rows());
}

public static void main(String[] args) {
    System.loadLibrary(Core.NATIVE_LIBRARY_NAME);
    Highgui.imwrite("result.png", 
        colorMapKMeans(Highgui.imread(args[0], Highgui.CV_LOAD_IMAGE_COLOR),
            CLUSTERS, MAX_ITER));
}

OpenCV 将图像读入 2 维 3 通道矩阵。首先调用reshape - img.reshape(1, img.rows() * img.cols()); - 基本上将 3 个通道展开为列。在生成的矩阵中，一行对应于输入图像的一个像素，三列对应于 RGB 分量。

在 K-Means 算法完成工作并应用颜色映射后，我们再次调用 reshape - imgMapped.reshape(3, img.rows())，但现在将列回滚到通道中，并将行数减少到原始图像行数，因此恢复原始矩阵格式，但仅使用减少的颜色。