常州上位机培训

常州机器视觉培训

常州机器人培训

江苏和讯自动化设备有限公司欢迎您!
  • 和讯PLC,电工培训中心优势,名师团队一对一教学.
热门课程
联系方式
  • 常州和讯自动化培训中心
  • 常州市新北区太湖东路府琛大厦2号楼307-1室,307-2室(常州万达广场对面)
  • 电话:0519-85602926
  • 手机:15861139266 13401342299
当前位置:网站首页 > 新闻中心 新闻中心
使用 Python 和 OpenCV 进行图像聚类-常州上位机学习,常州机器视觉学习
日期:2024-1-24 13:43:56人气:  标签:常州上位机学习 常州机器视觉学习

import numpy as np

import cv2

import matplotlib.pyplot as plt

image=cv2.imread('../input/hillstation/hillstation.jpg')

plt.imshow(image)  #original image

<matplotlib.image.AxesImage at 0x7f8efaabf890>


i=image.sum(axis=2) #convert the shape of image in 2 dimensions

i.shape

(183, 275)

img=cv2.cvtColor(image,cv2.COLOR_BGR2RGB)

plt.imshow(img) #convert the image into RGB

<matplotlib.image.AxesImage at 0x7f8efa9e9550>


vector=img.reshape((-1,3)) #convert the mXNX3 image into kX3 matrix where k=mXn and each row will be a vector in 3 dimensions space

vector

array([[ 55,  61, 111],

       [ 55,  61, 111],

       [ 55,  61, 113],

       ...,

       [ 42,  40,  25],

       [ 35,  33,  18],

       [ 28,  26,  13]], dtype=uint8)

vector=np.float32(vector) #convert the uint8 values to float values. k-means method to opencv

vector

array([[ 55.,  61., 111.],

       [ 55.,  61., 111.],

       [ 55.,  61., 113.],

       ...,

       [ 42.,  40.,  25.],

       [ 35.,  33.,  18.],

       [ 28.,  26.,  13.]], dtype=float32)


#clustering into multiple labels as the picture has multiple colours.

c=(cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 10,1.0)


# first parameter is used for stop the criteria if the accuracy is achieved

# second parameter is used for stop the algorithm after he specified number of iterations


# 'c' is the iteration termination process. When the iteration is satisfied, the algorithm will stop.

k=5 #number of clusters

attempts=10 #number of times the algorithm is executed using different labelings.

ret,label,center=cv2.kmeans(vector,k,None,c,attempts, cv2.KMEANS_PP_CENTERS)


#cv2.kmeans_pp_centers is used to specify how initial centers are taken

center=np.uint8(center)

res=center[label.flatten()] #access the label to regenerate the image

im=res.reshape(img.shape)


#visualization

x=8

y=6

plt.figure(figsize=(x,y))

plt.subplot(1,2,1)

plt.imshow(img)

plt.title('original image')

plt.axis(False)

plt.subplot(1,2,2)

plt.imshow(im)

plt.title('Clustered image')

plt.axis(False)

(-0.5, 274.5, 182.5, -0.5)

21.jpg

原始图像与聚类图像

本文网址:
下一篇:没有资料

相关信息:
版权所有 CopyRight 2006-2017 江苏和讯自动化设备有限公司 电话:0519-85602926 地址:常州市新北区太湖东路府琛大厦2号楼307-1室,307-2室
ICP备14016686号-2 技术支持:常州鹤翔网络
本站关键词:常州电工培训 常州电工证 常州变频器培训 常州触摸屏培训 网站地图 网站标签
在线与我们取得联系