为啥使用 k-means（来自 Scipy）聚类到两个片段的图像会显示两个以上不同的像素值？

Posted 2023-03-12

【中文标题】为啥使用 k-means（来自 Scipy）聚类到两个片段的图像会显示两个以上不同的像素值？

【英文标题】：Why would an image clustered to two segments using k-means (from Scipy) show more than two different pixel values?为什么使用 k-means（来自 Scipy）聚类到两个片段的图像会显示两个以上不同的像素值？

【发布时间】：2021-12-17 17:19:56

【问题描述】：

我正在使用 Python 的 Scikit Learn 库提供的 KMeans 聚类来分割彩色图像。因为我只需要绿色通道，所以我将其他两个通道设置为零。 从肘部图中，我发现两个集群对于图像是最佳的。 现在，当我进行聚类时，分割图像中存在两个以上的像素值。这怎么可能？我认为像 KMeans 这样的分割实际上最终只保留了两个集群。 任何帮助表示赞赏。谢谢。

【问题讨论】：

请显示您使用的代码，不清楚您是如何获得输出图像的。见minimal reproducible example。

image2 = image.reshape((-1,3)) 987654325 criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 100, 1.0) 987654327 number_of_runs = 10 987654329 center = np.uint8(center) res = center[label.flatten()] 987654332 print(center) cv2.imwrite('NJ_G_03_09_100X_green_channel_6p5_segmented2iter100.jpg', res2) span>

对不起，我看不懂。请edit您的问题进行修改，cmets 不提供重要信息。另外，请包含导入语句，以便我们查看您使用的模块。

我注意到的一件事是您使用了cv2.kmeans，它不是来自 Scikit Learn，而是来自 OpenCV。所有这些细节都非常重要，因此请确保您的描述与您所做的相符。

PNG 看起来不错，谢谢。

【参考方案1】：

class sklearn.cluster.KMeans(n_clusters=8, *, init='k-means++', n_init=10, max_iter=300, tol=0.0001, verbose=0, random_state=None, copy_x=True, algorithm='auto')

根据 Scikit Learn 的文档 1，您应该决定您的 K-Means 模型输出多少个集群。

如果您不确定集群的数量，也许您可​​以尝试分层集群2。

【讨论】：

我选择了簇数为2，然后进行了分割。我的问题是关于具有两种以上像素值的最终图像。

我选择了簇数为2，然后进行了分割。我的问题是关于具有两种以上像素值的最终图像。例如，假设我有一个绿色图像，其区域的像素值 = 180 +- 10，另一个区域的像素值为 250 +- 10。因此，我希望最终图像仅具有 180 个区域和 250 个区域。除了 180 或 250 之外，没有其他数字。但这不是输出的样子，它再次包含 182、185、179、256、248……为什么会发生这种情况？我希望这个问题现在很清楚了。

抱歉造成误会，您是否尝试增加“max_iter”参数？因为 K-Means 需要足够的迭代来最小化惯性。

这也可以帮助您更好地了解 K-means 的作用 1

是的，我已经尝试将迭代次数提高到 100 次，但并没有解决问题。