圖像分割 - KMeans 實現

圖像分割是一種圖像處理方法， 它是指將一副圖像分割成若干個互不相交的區域；

圖像分割實質就是像素的聚類；

 

圖像分割可以分為兩類：基於邊緣的分割，基於區域的分割，

聚類就是基於區域的分割；

 

KMeans 實現圖像分割

KMeans 分割圖像實質上是對像素的聚類，每個類有個代表像素，把原始像素替換成該類別對應的代表像素即完成分割；

每個類別對應一個分割區域，每個區域是個單通道圖；

 

示例 

import numpy as np
from sklearn.cluster import KMeans
from PIL import Image

### 原始像素
img = Image.open('e://55.jpg')
print(img.size)
np_img = np.array(img)
print(np_img)
print(np_img.shape)

### 聚類的數據預處理
np_flatten = np_img.flatten()       ### 拉成一維
np_flatten = np_flatten[:, np.newaxis]      ### kmeans 要求 二維
np_flatten_std = np_flatten / 256.  ### 歸一化
# print(np_flatten_std)

### 聚類 所有像素點
km = KMeans(n_clusters=3, random_state=0).fit(np_flatten_std)
print(km.labels_)
print(km.cluster_centers_)

reshape_label = np.reshape(km.labels_, np_img.shape)
centers = km.cluster_centers_

### 新建圖像以查看分割效果
img1 = Image.new('L', img.size, color=255)      ### 分割區域1
img1.show()
img2 = Image.new('L', img.size, color=255)      ### 分割區域2
img3 = Image.new('L', img.size, color=255)      ### 分割區域3
img4_np = np.zeros(np_img.shape)                ### 分割區域的合成

x, y ,z = np_img.shape
for yv in range(y):
    for xv in range(x):
        ### 把 類別對應的代表像素 添加到圖像中的對應位置
        img1.putpixel((yv, xv), int(centers[reshape_label[xv, yv, 0]] * 256.))
        img2.putpixel((yv, xv), int(centers[reshape_label[xv, yv, 1]] * 256.))
        img3.putpixel((yv, xv), int(centers[reshape_label[xv, yv, 2]] * 256.))
        img4_np[xv, yv, 0] = int(centers[reshape_label[xv, yv, 0]] * 256.)
        img4_np[xv, yv, 1] = int(centers[reshape_label[xv, yv, 1]] * 256.)
        img4_np[xv, yv, 2] = int(centers[reshape_label[xv, yv, 2]] * 256.)
print(img4_np)
print(img4_np.shape)

### 顯示
# img1.show()
# img2.show()
# img3.show()

### 保存
img1.save('img1.png')
img2.save('img2.png')
img3.save('img3.png')
img4 = Image.fromarray(img4_np.astype(np.uint8))        ### L (8-bit pixels, black and white)
img4.save('img4.png')

 

下面依次為：原圖、區域1、區域2、區域3、分割后的合成圖

 

 

 

 

 

參考資料：

https://blog.csdn.net/xxuffei/article/details/90180408