在文章使用python提取图片中的主体颜色，我使用sklearn快速实现了一个K-means算法，来识别图片的主体颜色。
今天我用Python手写了一个K-means算法，来完成同样的功能。
聚类是数据挖掘中一种非常重要的学习流派，指将未标注的样本数据中相似的分为同一类，正所谓“物以类聚，人以群分”。
K-means是聚类算法中最为简单、高效的，核心思想：由用户指定k个初始中心，以作为聚类的类别，重复迭代更新数据集的中心直至算法收敛。
代码有点长，关键代码我会进行分析，其余代码没必要进行分析。
首先，我们定义一个计算距离的方法，我采用的是欧氏距离。
1
2
3
4
5
6
7
8
9
10
11
| def get_euclidean_distance(_pixel, _center):
"""
获得欧氏距离
:param _pixel: 像素
:param _center: 中心
:return: 欧氏距离
"""
d_pow_2 = 0
for _channel_index in range(n_channels):
d_pow_2 += pow(_pixel[_channel_index] - _center[_channel_index], 2)
return np.sqrt(d_pow_2) |
然后定义一个方法来计算中心，方便之后进行迭代。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
| def get_nearest_center(_pixel):
"""
获得最近的中心
:param _pixel: 像素
:return: 最近的中心的index
"""
min_center_d = get_euclidean_distance(_pixel, centers[0])
min_center_index = 0
for _center_index in range(1, k):
d = get_euclidean_distance(_pixel, centers[_center_index])
if d < min_center_d:
min_center_d = d
min_center_index = _center_index
return min_center_index |
下面的模块用于计算新的中心，体现了K-means的关键思想。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
| def cal_new_center():
"""
如果有的中心没有最邻近的，那就说明选到了俩一样颜色的中心（虽然概率很小）那就重新选一个
:return: 新的中心
"""
# 归零
center_counts = np.zeros(k, dtype=int)
_centers = np.zeros((k, n_channels), dtype=int)
# 对每个类逐通道求和
for _pixel_index in range(n_pixels):
center_counts[labels[_pixel_index]] += 1
for _channel_index in range(n_channels):
_centers[labels[_pixel_index]][_channel_index] += img[_pixel_index][_channel_index]
# 对每个中心算出均值
for _center_index in range(k):
if center_counts[_center_index] > 0:
for _channel_index in range(n_channels):
_centers[_center_index][_channel_index] /= center_counts[_center_index]
else:
# 要是中心选重了就重新再选一个（虽然概率很小）
_centers[_center_index] = img[random.randint(0, n_pixels - 1)]
print('WARNING: Center %d has no pixel, re-choose center randomly...' % _center_index)
return _centers |
上面的代码已经完成了K-means的关键部分，其他的代码都是在对图像像素进行遍历处理，以及得到K-means聚类后进行输出。代码已经上传在github上了：https://github.com/shulisiyuan/mainColor
我使用这张图片进行了测试，设置的中心点K=4
下面是代码跑出来的结果，可以看出下面的四种颜色主要就是图片中的颜色。
这种方法跑的比较慢，有很多可以优化的地方，后续有时间再慢慢优化。
打算收集大量图片进行分析，构建一个相似颜色 图片的聚类。简单实现Google的图图片颜色聚类功能。
====================================================================
本文发表在李思原博客“机器在学习”
原文链接：http://www.siyuanblog.com/?p=1762
欢迎扫码关注我的微信公众号：聚数为塔
=====================================================================
【版权声明】本文为华为云社区用户原创内容，转载时必须标注文章的来源（华为云社区）、文章链接、文章作者等基本信息， 否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容，欢迎发送邮件进行举报，并提供相关证据，一经查实，本社区将立刻删除涉嫌侵权内容，举报邮箱：
cloudbbs@huaweicloud.com
评论（0）