欢迎光临
我们一直在努力
        找回密码
当前位置：171主机测评 > 服务器技术 > 正文

计算机视觉入门到实战系列（十五）基于k-means的图像分割

2026-01-18 分类：服务器技术 阅读(43) 评论(0)

基于k-means的图像分割

    • 一、核心思想：把图像分割问题转化为数据聚类问题
    • 二、关键概念与步骤
      • 1. 特征向量的构建
      • 2. K-means 算法的基本步骤（应用于图像）
    • 三、K值的选择与影响
    • 四、特征设计的变体
    • 五、优缺点总结
      • 优点
      • 缺点
    • 六、直观例子
    • 七、代码实现
      • 数据准备
      • 训练数据
      • 语义分割标签的可视化函数
      • 显示分割结果

一、核心思想：把图像分割问题转化为数据聚类问题

  • 图像即数据点集合

    • 想象一张彩色图片，每个像素都有颜色（如RGB值）和位置（x, y坐标）。
    • 我们可以把每个像素看作一个数据点，其属性可以是颜色、位置等。

  • 聚类的目标

    • 目标是将所有像素点（数据点）分成 K 个组（簇）。
    • 同一组内的像素在颜色/空间上尽可能相似，不同组之间尽可能不同。
    • 最终，每个组在图像上就表现为一个分割区域。

    • 二、关键概念与步骤

    1. 特征向量的构建

    要进行聚类，首先要定义每个像素的“特征”。常用方法：

    • 纯颜色特征：只使用颜色信息（如 RGB 或 Lab 值）。 例如：一个像素的红色=200，绿色=100，蓝色=50，则其特征向量为 [200, 100, 50]。

    • 颜色 + 空间特征：为了得到空间上连续的分割区域，可以把像素坐标也作为特征的一部分。 例如：[R, G, B, x, y]。此时相似性既考虑颜色相近，也考虑位置靠近。

    2. K-means 算法的基本步骤（应用于图像）

    步骤 1：初始化

    • 设定要分成 K 个簇（比如 K=3，代表希望分割成3个主色/区域）。
    • 随机选择 K 个像素的特征向量作为初始簇中心（也称为质心）。

    步骤 2：分配阶段

    • 遍历每个像素，计算其特征向量到 K 个簇中心 的距离（通常用欧氏距离）。
    • 将该像素分配给距离最近的那个簇中心所在的簇。
    • 完成后，所有像素都被标记为属于某一个簇（1到K之间的一个标签）。

    步骤 3：更新阶段

    • 对每个簇，重新计算其簇中心：取该簇内所有像素特征向量的平均值。
    • 新的簇中心可能不再是某个实际像素的特征，而是一个平均值向量。

    步骤 4：迭代

    • 重复 步骤 2 和 步骤 3，直到满足停止条件：
      • 簇中心不再显著变化（收敛）。
      • 达到最大迭代次数。

    步骤 5：输出分割结果

    • 每个像素都有一个簇标签（1到K）。
    • 将同一标签的像素在图像上显示为同一种颜色（如用该簇中心的颜色替换），就得到了分割后的图像。

    三、K值的选择与影响

  • K 的含义 K 代表期望的分割区域数量。例如：

    • K=2：将图像分为前景和背景。
    • K=5-10：可能分离出不同的物体或颜色区域。

  • K 的影响

    • K 太小：分割粗糙，不同物体可能被合并。
    • K 太大：分割过细，同一物体可能被分成多块，且计算量增加。

  • 如何选择 K

    • 通常需要预先设定，这是 K-means 的主要缺点之一。
    • 可尝试不同的 K 值，根据结果选择最合理的。

    • 四、特征设计的变体

  • Lab 颜色空间 由于 Lab 比 RGB 更符合人眼感知差异，在 Lab 空间聚类往往比 RGB 效果更好。

  • 加权空间坐标 在特征 [L, a, b, x, y] 中，对 x, y 乘以一个权重系数，以控制空间连续性对分割影响的强弱：

    • 权重=0：只按颜色聚类，空间上可能不连续。
    • 权重较大：强烈要求空间上靠近的像素分在同一簇，分割块更紧凑。

    • 五、优缺点总结

    优点

    • 原理简单，易于理解和实现。
    • 计算效率相对较高，适合快速原型。
    • 无需训练数据，是无监督方法。

    缺点

    • 需要预先指定 K 值，且 K 的选择对结果影响大。
    • 初始质心随机选择，可能导致每次结果略有不同。
    • 倾向于产生凸形、大小相似的簇，对复杂形状分割效果有限。
    • 仅考虑特征距离，缺乏对图像边缘、纹理等高层语义的利用。

    六、直观例子

    想象一张风景图：蓝天、白云、绿树。

  • 我们设定 K=3。
  • 算法运行后，可能会将：
    • 簇1 → 所有蓝色像素（天空）
    • 簇2 → 所有白色/浅灰像素（云）
    • 簇3 → 所有绿色像素（树和草地）
  • 每个簇内的像素用其平均颜色（天蓝、纯白、草绿）填充，得到分割图。

    • 七、代码实现

    本次代码直接使用sklearn中的k-means方法。如果想要进一步了解k-means的原理，我们提供k-menas从零开始的编程实现。

    数据准备

    from sklearn.cluster import KMeans
    from matplotlib.image import imread
    import matplotlib.pyplot as plt
    import numpy as np
    from PIL import Image

    image = imread('segmentation.jpeg')[:,:,:3]
    # 将RGB值统一到0-1内
    if np.max(image)>1:
    image = image / 255

    X = image.reshape(–1, image.shape[2])

    这段代码使用 scikit-learn 的 KMeans 聚类算法对图像进行颜色聚类（图像分割的前期步骤）

  • 导入库

    • from sklearn.cluster import KMeans # K均值聚类算法
    from matplotlib.image import imread # 读取图像
    import matplotlib.pyplot as plt # 绘图
    import numpy as np # 数值计算
    from PIL import Image # 图像处理（这里未使用）

  • 读取图像

    • image = imread('segmentation.jpeg')[:,:,:3]

    • imread()：读取名为 'segmentation.jpeg' 的图像
    • [:,:,:3]：切片操作，只取前3个通道（RGB）
      • 作用：如果图像有RGBA（带透明度）通道，只保留RGB，忽略alpha通道
  • 归一化像素值

    • if np.max(image) > 1:
    image = image / 255

    • 检查图像像素值的最大值
    • 如果最大值 > 1（通常是0-255的整数），则除以255归一化到[0,1]区间
    • 目的：许多机器学习算法对输入数据的尺度敏感，归一化可以：
      • 加速算法收敛
      • 提高数值稳定性
      • 使不同特征（R、G、B通道）具有相同的重要性
  • 准备聚类数据

    • X = image.reshape(–1, image.shape[2])

    • image.shape：原始图像的维度，例如 (height, width, 3)
    • reshape(-1, image.shape[2])：
      • -1：自动计算该维度的大小（= height × width）
      • image.shape[2]：通道数（3，对应RGB）
      • 结果：将三维数组 (h, w, 3) 转换为二维数组 (h*w, 3)
      • 每个像素变成一行数据，包含3个特征：[R, G, B]值

    数据转换示例 假设原图是 100×100 像素：

    • 转换前：image.shape = (100, 100, 3)，共10000个像素点
    • 转换后：X.shape = (10000, 3)，10000行数据，每行是一个像素的RGB值

    训练数据

    # 利用k-means算法进行聚类
    segmented_imgs = []

    # 设定聚类中心个数
    n_cluster= 4
    kmeans = KMeans(n_clusters=n_cluster, random_state=42).fit(X)
    print(np.unique(kmeans.labels_))

    输出

    [0 1 2 3]

    语义分割标签的可视化函数

    # 为每一个类别赋予一个对应的颜色，用于展示
    def decode_segmap(label_mask, plot=False):
    label_colours = np.asarray([[79, 103, 67], [143, 146, 126],
    [129, 94, 64], [52, 53, 55],
    [96, 84, 70], [164, 149, 129]])
    r = label_mask.copy()
    g = label_mask.copy()
    b = label_mask.copy()
    # 为每个类别赋予对应的R、G、B值
    for ll in range(0, 6):
    r[label_mask == ll] = label_colours[ll, 0]
    g[label_mask == ll] = label_colours[ll, 1]
    b[label_mask == ll] = label_colours[ll, 2]

    rgb = np.zeros((label_mask.shape[0], label_mask.shape[1], 3))
    rgb[:, :, 0] = r
    rgb[:, :, 1] = g
    rgb[:, :, 2] = b

    return rgb

    这段代码实现了一个语义分割标签的可视化函数，将分类标签映射为对应的RGB颜色图像。将包含类别索引（0-5）的标签掩码转换为彩色图像，每个类别有固定的颜色表示。

  • 颜色定义

    • label_colours = np.asarray([[79, 103, 67], [143, 146, 126],
    [129, 94, 64], [52, 53, 55],
    [96, 84, 70], [164, 149, 129]])

    • 定义了6个类别的RGB颜色值（每个类别一个颜色）
    • 颜色值范围：0-255
    • 对应关系：
      • 类别0 → RGB(79, 103, 67) # 偏绿色
      • 类别1 → RGB(143, 146, 126) # 偏灰色
      • …依此类推
  • 创建RGB通道

    • r = label_mask.copy() # 红色通道
    g = label_mask.copy() # 绿色通道
    b = label_mask.copy() # 蓝色通道

    • 创建三个与输入标签相同形状的数组
    • 初始值就是类别索引（0-5）
  • 颜色映射

    • for ll in range(0, 6):
    r[label_mask == ll] = label_colours[ll, 0] # 红色分量
    g[label_mask == ll] = label_colours[ll, 1] # 绿色分量
    b[label_mask == ll] = label_colours[ll, 2] # 蓝色分量

    • 遍历6个类别
    • 将标签中等于当前类别ll的所有位置
      • 在r通道中设置为该类别颜色的R值
      • 在g通道中设置为该类别颜色的G值
      • 在b通道中设置为该类别颜色的B值
  • 合并为RGB图像

    • rgb = np.zeros((label_mask.shape[0], label_mask.shape[1], 3))
    rgb[:, :, 0] = r # 红色通道
    rgb[:, :, 1] = g # 绿色通道
    rgb[:, :, 2] = b # 蓝色通道

    • 创建三维数组（高度×宽度×3通道）
    • 分别填充R、G、B三个通道
  • 返回结果

    • return rgb

    • 返回一个形状为(H, W, 3)的NumPy数组
    • 可以直接用matplotlib显示或保存为图像

    显示分割结果

    # 获得预测的标签
    segmented_img = kmeans.cluster_centers_[kmeans.labels_]
    segmented_imgs = decode_segmap(kmeans.labels_.reshape(
    image.shape[0],image.shape[1]))

    # 展示结果
    plt.imshow(image[:,:,:3])
    plt.title('Original image')
    plt.axis('off')
    plt.show()

    plt.imshow(segmented_imgs.astype(np.uint8))
    plt.title('{} center'.format(n_cluster))
    plt.axis('off')
    plt.show()

    这段代码使用K-means聚类对图像进行分割，并将分割结果显示出来。

  • 获取预测标签并重建分割图像

    • segmented_img = kmeans.cluster_centers_[kmeans.labels_]

    • kmeans.labels_：每个像素点所属的聚类标签（0到n_cluster-1）
    • kmeans.cluster_centers_：每个聚类的中心颜色值（RGB值）
    • segmented_img：用聚类中心颜色替换每个像素的原始颜色，得到一个颜色简化的图像
  • 将标签转换为彩色分割图

    • segmented_imgs = decode_segmap(kmeans.labels_.reshape(
    image.shape[0],image.shape[1]))

    • kmeans.labels_.reshape(image.shape[0], image.shape[1])：将一维的标签数组重新变回二维图像形状
    • decode_segmap()：调用之前定义的颜色映射函数，将类别标签转换为预设的固定颜色
    • segmented_imgs：得到用固定颜色表示每个类别区域的彩色分割图
  • 显示原始图像

    • plt.imshow(image[:,:,:3])
    plt.title('Original image')
    plt.axis('off')
    plt.show()

    • image[:,:,:3]：显示图像的前三个通道（通常是RGB，如果是RGBA图像则忽略Alpha通道）
    • plt.axis('off')：隐藏坐标轴
    • 显示原始彩色图像
  • 显示分割结果

    • plt.imshow(segmented_imgs.astype(np.uint8))
    plt.title('{} center'.format(n_cluster))
    plt.axis('off')
    plt.show()

    • segmented_imgs.astype(np.uint8)：将图像转换为uint8类型（matplotlib显示需要）
    • '{} center'.format(n_cluster)：标题显示使用了多少个聚类中心
    • 显示K-means聚类后的分割结果

    segmented_img vs segmented_imgs：

    • segmented_img：用聚类中心颜色显示，颜色来自图像本身
    • segmented_imgs：用固定颜色显示，每个类别有固定颜色，便于识别不同区域

    输出 在这里插入图片描述

    赞(0)
    未经允许不得转载：171主机测评 » 计算机视觉入门到实战系列（十五）基于k-means的图像分割
    分享到： 更多 (0)
    标签：

    相关推荐

    评论 抢沙发

    取消

    • 昵称 (必填)
    • 邮箱 (必填)
    • 网址

    热门标签

    #人工智能(59030)#python(20036)#开发语言(16807)#java(15424)#运维(15324)#linux(14916)#大数据(14541)#服务器(13033)#算法(11746)#前端(10858)#网络(9342)#数据库(8865)#ai(8860)#c++(8149)#课程设计(6793)#学习(6746)#机器学习(6697)#区块链(5911)#OpenClaw(5387)#后端(5126)#spring boot(4992)#深度学习(4931)#c语言(4365)#毕业设计(4291)#数据结构(4187)#安全(4040)#docker(3922)#架构(3842)#javascript(3797)#大模型(3643)

    热门文章

    最新文章

    归档

    分类