使用的環境，python3.5，opencv2
函數的格式為：
cv2.kmeans(data, K, bestLabels, criteria, attempts, flags)
'''
參數：
data: 分類資料，最好是np.float32的資料，每個特征放一列。
K: 分類數，opencv2的kmeans分類是需要已知分類數的。
bestLabels：預設的分類标簽或者None
criteria：疊代停止的模式選擇，這是一個含有三個元素的元組型數。格式為（type, max_iter, epsilon）
其中，type有如下模式：
—–cv2.TERM_CRITERIA_EPS :精确度（誤差）滿足epsilon停止。
—-cv2.TERM_CRITERIA_MAX_ITER：疊代次數超過max_iter停止。
—-cv2.TERM_CRITERIA_EPS+cv2.TERM_CRITERIA_MAX_ITER，兩者合體，任意一個滿足結束。
attempts：重複試驗kmeans算法次數，将會傳回最好的一次結果
flags：初始中心選擇，有兩種方法：
——v2.KMEANS_PP_CENTERS;
——cv2.KMEANS_RANDOM_CENTERS
傳回值：
compactness：緊密度，傳回每個點到相應重心的距離的平方和
labels：結果标記，每個成員被标記為0,1等
centers：由聚類的中心組成的數組
'''
灰階圖檔分割
# -*- coding: utf-8 -*-
# @Author : matthew
# @Software: PyCharm
import cv2
import matplotlib.pyplot as plt
import numpy as np
def seg_kmeans_gray():
img = cv2.imread('000129.jpg', cv2.IMREAD_GRAYSCALE)
# 展平
img_flat = img.reshape((img.shape[0] * img.shape[1], 1))
img_flat = np.float32(img_flat)
# 疊代參數
criteria = (cv2.TERM_CRITERIA_EPS + cv2.TermCriteria_MAX_ITER, 20, 0.5)
flags = cv2.KMEANS_RANDOM_CENTERS
# 聚類
compactness, labels, centers = cv2.kmeans(img_flat, 2, None, criteria, 10, flags)
# 顯示結果
img_output = labels.reshape((img.shape[0], img.shape[1]))
plt.subplot(121), plt.imshow(img, 'gray'), plt.title('input')
plt.subplot(122), plt.imshow(img_output, 'gray'), plt.title('kmeans')
plt.show()
if __name__ == '__main__':
seg_kmeans_gray()
結果：
彩色圖檔分割
# -*- coding: utf-8 -*-
# @Author : matthew
# @Software: PyCharm
import cv2
import matplotlib.pyplot as plt
import numpy as np
def seg_kmeans_color():
img = cv2.imread('000129.jpg', cv2.IMREAD_COLOR)
# 變換一下圖像通道bgr->rgb，否則很别扭啊
b, g, r = cv2.split(img)
img = cv2.merge([r, g, b])
# 3個通道展平
img_flat = img.reshape((img.shape[0] * img.shape[1], 3))
img_flat = np.float32(img_flat)
# 疊代參數
criteria = (cv2.TERM_CRITERIA_EPS + cv2.TermCriteria_MAX_ITER, 20, 0.5)
flags = cv2.KMEANS_RANDOM_CENTERS
# 聚類
compactness, labels, centers = cv2.kmeans(img_flat, 2, None, criteria, 10, flags)
# 顯示結果
img_output = labels.reshape((img.shape[0], img.shape[1]))
plt.subplot(121), plt.imshow(img), plt.title('input')
plt.subplot(122), plt.imshow(img_output, 'gray'), plt.title('kmeans')
plt.show()
if __name__ == '__main__':
seg_kmeans_color()
結果：
