基于python3.7 numpy scipy matplotlib sklearn的机器学习笔记4_图像分割(KMeans)

图像分割:利用的灰度、颜色纹理形状等特征, 把图像 分成 若 干个互不重叠 的区 域,并使这些特征在同一内呈现相似性不的域之间存在明显的差异性 。然后就可以将分割的图像中 具有 独特性质的 区域 提取 出来用于不同的研究。
图像 分割技术已在实际生活中得到广泛的应用。例如:机车检验领域, 可以应用到轮毂裂纹图像的分割,及时发现保证行车安全;在生物医学工程方面,对肝脏 CT 图像进行分割,为临床治疗和病理学研究提供帮助。

图像分割常用方法:
基于python3.7 numpy scipy matplotlib sklearn的机器学习笔记4_图像分割(KMeans)_第1张图片

本文数据

基于python3.7 numpy scipy matplotlib sklearn的机器学习笔记4_图像分割(KMeans)_第2张图片

实验代码(opencv版本 、PIL版本)

import numpy as np
import PIL.Image as image
from sklearn.cluster import KMeans
import cv2 as cv
def loadData(filePath):
    f = open(filePath,'rb')
    data = []
    img = image.open(f)
    m,n = img.size
    for i in range(m):
        for j in range(n):
            x,y,z = img.getpixel((i,j))
            data.append([x/256.0,y/256.0,z/256.0])
    f.close()
    return np.mat(data),m,n
     
imgData,row,col = loadData('C:/Users/Administrator/Desktop/CAT.jpg')
label = KMeans(n_clusters=4).fit_predict(imgData)
     
label = label.reshape([row,col])
pic_new = image.new("L", (row, col))
for i in range(row):
    for j in range(col):
        pic_new.putpixel((i,j), int(256/(label[i][j]+1)))
pic_new.save("result-bull-4.jpg", "JPEG")

'''opencv版本'''
'''
def loadData(filePath):
    data = []
    img = cv.imread(filePath)
    print(img.shape)
    m,n=img.shape[:2]
    for i in range(m):
        for j in range(n):
            data.append([img[i,j][0]/256.0,img[i,j][1]/256.0,img[i,j][2]/256.0])
    d=np.array(data)
    return d,m,n

imgData,row,col=loadData('C:/Users/Administrator/Desktop/CAT.jpg')
label = KMeans(n_clusters=4).fit_predict(imgData)

label=label.reshape([row,col])
new_pic=np.zeros(shape=(row,col),dtype=np.uint8)
for i in range(row):
    for j in range(col):
        new_pic[i,j]=np.uint8(256/(label[i,j]+1))
cv.imshow("new_pic",new_pic)
'''

实验效果:(仅展示opencv版本)

基于python3.7 numpy scipy matplotlib sklearn的机器学习笔记4_图像分割(KMeans)_第3张图片

 

--------------------------------------------------------------------------------------------------------------------参考mooc网课,北理工python机器学习应用课程

你可能感兴趣的:(pyer,机器学习,opencv,图像分割,KMeans)