顏色分割使用Kmeans，Opencv蟒蛇

Question

我有一個字母和不同顏色的形狀的圖像。我需要對它們執行kmeans聚類，然後提供兩個不同的圖像，一個只重新生成形狀，另一個只重新生成Letter信號。 這是一個示例原始圖像和我需要實現的。 Original Image

Shape color regenerated 並且類似地，另一個只用白色R.

我已經成功地進行k均值聚類算法，如何訪問標籤和集羣IDX再生預期的效果？有人可以請示例代碼說明。這是代碼。提前致謝。

import numpy as np 
import cv2 

img = cv2.imread("/home/manohar/Outputs/Targets/m-0.PNG",1) 
cv2.imshow("original",img) 

Z = img.reshape((-1,3)) 

# convert to np.float32 
Z = np.float32(Z) 

# Here we are applying k-means clustering so that the pixels around a colour are consistent and gave same BGR/HSV values 


# define criteria, number of clusters(K) and apply kmeans() 
criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 10, 1.0) 
# We are going to cluster with k = 2, because the image will have just two colours ,a white background and the colour of the patch 
K = 3 
attempts=10 
ret,label,center=cv2.kmeans(Z,K,None,criteria,attempts,cv2.KMEANS_PP_CENTERS) 

# Now convert back into uint8 
#now we have to access the labels to regenerate the clustered image 
center = np.uint8(center) 
res = center[label.flatten()] 
res2 = res.reshape((img.shape)) 
#res2 is the result of the frame which has undergone k-means clustering 


cv2.imshow("res2",res2) 
cv2.waitKey() 
cv2.destroyAllWindows() 

Answer 1

好了，如果你想變成黑色是被你需要先了解哪些標籤對應於「白」類K-Means歸類爲「白色」的所有像素。您可以通過尋找實現這一目標，以什麼指標在center（其中包含導致ķ中心）做白色（255,255,255）屬於，像這樣：

white_index = 0 
for b,g,r in center: 
    #check if it is white 
    if b == g == r == 255: 
     #then this is the white category 
     break 
    white_index = white_index + 1 

請注意，由於k-means是unsupervized方法您的類別可能不一定是正好是白色（可能是類似於250,249,254）。所以在搜索索引時應該考慮這一點，那就是你應該尋找顏色更接近白色。你可以通過應用color distance公式來比較你的顏色。

在我的經驗

但是，我認爲，center已經以某種方式排序產生中心（更大的像素值往往先出現），我已經注意到了中心接近白色具有較低的指數（因此白色可能索引0）。但最好檢查一下。

現在您知道哪個索引對應於白色，您可以看到哪些像素被歸類爲label變量中的像素。對於這個有幾種方法，你可以做到這一點，肯定比其他一些更有效的，一種方法可能是：

#Copy image to modify it 
img_copy = img[:] 
#Reshape label to match the original image 
new_label = label.reshape(img.shape) 
#iterate over new_label, and if the category is white 
#paint pixel corresponding to row,col black 
row = 0 
for i in new_label: 
    column = 0 
    for category in i: 
     if category == white_index: 
      #paint that pixel black 
      img_copy[row,column] = [0, 0, 0] 
     column = column + 1 
    row = row + 1 

#now show edited image 
cv2.imshow("Object Removed",img_copy) 
cv2.waitKey() 
cv2.destroyAllWindows() 

編輯：上面的代碼獲得與檢測到的顏色去掉（塗黑）的圖像。爲了獲得它的補充，這是一個只有被檢測物體可見的圖像，你可以做幾件事情。一種方法可能是獲得img的副本，並塗黑是顏色（無category == white_index）的不像素，如：

#Obtain another copy of image to modify it 
extract = img[:] 
#Now do the opposite, iterate over new_label, and if the category is Not white 
#paint pixel corresponding to row,col black 
row = 0 
for i in new_label: 
    column = 0 
    for category in i: 
     if category != white_index: 
      #paint that pixel black 
      extract[row,column] = [0, 0, 0] 
     column = column + 1 
    row = row + 1 

#show or do whatever you want... 

獲得所提取的對象的另一種更復雜的方式僅是爲了獲得（通過閾值處理和使用cv2.findContours()），然後應用cv2.boundingRect()，以便您可以使用該對象（通過將img與給定的矩形對齊）獲取較小的剪輯。您可以查看該鏈接詳細解釋的地方。