opencv::KMeans方法概述

KMeans方法概述
    . 无监督学习方法
    . 分类问题，输入分类数目，初始化中心位置
    . 硬分类方法，以距离度量
    . 迭代分类为聚类

  

//----------
//迭代算法的终止准则
//----------
TermCriteria(
　　int type,
　　　　 //type=TermCriteria::MAX_ITER/TermCriteria::COUNT  迭代到最大迭代次数终止
    　　//type= TermCriteria::EPS   迭代到阈值终止
    　　//type= TermCriteria::MAX_ITER+ TermCriteria::EPS 上述两者都作为迭代终止条件
　　int maxCount,    //迭代的最大次数
　　double epsilon    // 阈值(中心位移值)
);

//----------
//按照给定的类别数目对样本集合进行聚类
//----------
void cvKMeans2(
　　const CvArr* samples, 　　//输入样本的浮点矩阵，每个样本一行。
　　int cluster_count, 　　　　//所给定的聚类数目
　　CvArr* labels, 　　　　　　//输出整数向量：每个样本对应的类别标识
　　CvTermCriteria termcrit 　//指定聚类的最大迭代次数和／或精度（两次迭代引起的聚类中心的移动距离）
)

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace cv;
using namespace std;

int main(int argc, char** argv) {
    Mat img(, , CV_8UC3);
    RNG rng();

    //scalar是将图像设置成单一灰度和颜色
    Scalar colorTab[] = {
        Scalar(, , ),
        Scalar(, , ),
        Scalar(, , ),
        Scalar(, , ),
        Scalar(, , )
    };

    //分类个数
    int numCluster = rng.uniform(, );
    printf("number of clusters : %d\n", numCluster);

    //取10-100个随机样本
    int sampleCount = rng.uniform(, );
    //每一列至少两个数
    Mat points(sampleCount, , CV_32FC2);
    Mat labels;
    Mat centers;

    // 生成随机数
    for (int k = ; k < numCluster; k++) {
        Point center;
        center.x = rng.uniform(, img.cols);
        center.y = rng.uniform(, img.rows);
        //行，给随机点
        Mat pointChunk = points.rowRange(k*sampleCount/numCluster, k == numCluster -  ? sampleCount : (k + )*sampleCount / numCluster);

        //用随机数填充矩阵
        rng.fill(pointChunk, RNG::NORMAL, Scalar(center.x, center.y), Scalar(img.cols*0.05, img.rows*0.05));
    }
    //算法打乱元素排列顺序
    randShuffle(points, , &rng);

    // 使用KMeans
    kmeans(points, numCluster, labels, TermCriteria(TermCriteria::EPS + TermCriteria::COUNT, , 0.1/*最小值*/), /*次数*/, KMEANS_PP_CENTERS, centers);

    // 用不同颜色显示分类
    //初始化图片颜色。
    img = Scalar::all();
    for (int i = ; i < sampleCount; i++) {
        int index = labels.at<int>(i);
        //获取ponint点
        Point p = points.at<Point2f>(i);
        //填充
        circle(img, p, , colorTab[index], -, );
    }

    // 每个聚类的中心来绘制圆
    for (int i = ; i < centers.rows; i++) {
        int x = centers.at<float>(i, );
        int y = centers.at<float>(i, );
        printf("c.x= %d, c.y=%d", x, y);
        circle(img, Point(x, y), , colorTab[i], , LINE_AA);
    }

    imshow("KMeans-Data-Demo", img);
    waitKey();
    return ;
}