C++ 如何在kmeans之后显示群集图像？

我想使用一个数组作为k均值算法的输入，该数组具有x和y方向的位移值，是Lucas Kanade光流估计的结果。代码如下：

编辑：

int number_of_features=150;
// Lucas Kanade optical flow 
cvCalcOpticalFlowPyrLK(frame1_1C,frame2_1C,pyramid1,pyramid2,frame1_features,frame2_features,number_of_features,optical_flow_window, 5,optical_flow_found_feature, optical_flow_feature_error,optical_flow_termination_criteria, 0 );

float Dx[150],Dy[150]; // displacement matrices
float  Dis[150][2]; // total displacement matrix

int K=2; // clusters selected
Mat bestLabels, centers;

for(int i = 0; i < number_of_features; i++)
{
CvPoint p,q;
p.x = (int) frame1_features[i].x;
p.y = (int) frame1_features[i].y;
q.x = (int) frame2_features[i].x;
q.y = (int) frame2_features[i].y;

//displacements
Dx[i]=p.x-q.x;
Dy[i]=p.y-q.y;

Dis[i][0] = Dx[i];
Dis[i][1] = Dy[i];

}


// k means algorithm


// Creating Mat for Input data
cv::Mat flt_Dis(150, 2, CV_32F, Dis);

cv::kmeans(flt_Dis, K, bestLabels,TermCriteria(CV_TERMCRIT_EPS+CV_TERMCRIT_ITER, 10, 1.0),3, KMEANS_PP_CENTERS, centers);

int number_of_features=150；
//卢卡斯-卡纳德光流
cvCalcOpticalFlowPyrLK（frame1_1C，frame2_1C，pyramid1，pyramid2，frame1_特征，frame2_特征，数量_特征，光流窗口，5，光流发现_特征，光流特征错误，光流终止_标准，0）；
浮点数Dx[150]，Dy[150]；//位移矩阵
浮点数[150][2]；//总位移矩阵
int K=2；//选定的群集
垫子、标签、中心；
对于（int i=0；i<特征的数量；i++）
{
cvp点，q；
p、 x=（int）frame1_特征[i].x；
p、 y=（int）frame1_特征[i].y；
q、 x=（int）frame2_特征[i].x；
q、 y=（int）frame2_特征[i].y；
//位移
Dx[i]=p.x-q.x；
Dy[i]=p.y-q.y；
Dis[i][0]=Dx[i]；
Dis[i][1]=Dy[i]；
}
//k均值算法
//为输入数据创建Mat
cv：：Mat flt_Dis（150，2，cv_32F，Dis）；
cv:：kmeans（flt_Dis，K，最佳标签，术语标准（cv_TERMCRIT_EPS+cv_TERMCRIT_ITER，10，1.0），3，kmeans_PP_中心，中心）；

我已经解决了以前的问题，现在我想显示集群图像。我猜bestLabels存储每个元素的索引，例如，如果它被分类为第0类或第1类。我说的对吗？？如何显示群集图像

K-means可用于处理整数。你必须这么做

但结果将不是整数。

K-means可用于处理整数。你必须这么做

---

---

但结果将不是整数。

如果您希望得到帮助，请花更多时间格式化代码并提供有关问题的所有信息。什么是

cv:：kmeans

<代码>cvCalcOpticalFlowPyrLK？我认为有图像处理经验的人可以理解。cv:：kmeans是kmeans算法，cvCalcOpticalFlowPyrLK是使用Lucas Kanade方法估计稀疏点集光流的函数。不，你不能。只需使用“matrix.convertTo（flt_matrix，CV_32F）”将矩阵转换为浮点类型，然后使用它，我不确定它是否有效。。我试过这个：cv：：Mat flt_Dis（150，2，cv_32F，Dis）；不，您需要转换如果您想得到帮助，请花更多时间格式化代码并提供有关您的问题的所有信息。什么是

cv:：kmeans

<代码>cvCalcOpticalFlowPyrLK？我认为有图像处理经验的人可以理解。cv:：kmeans是kmeans算法，cvCalcOpticalFlowPyrLK是使用Lucas Kanade方法估计稀疏点集光流的函数。不，你不能。只需使用“matrix.convertTo（flt_matrix，CV_32F）”将矩阵转换为浮点类型，然后使用它，我不确定它是否有效。。我试过这个：cv：：Mat flt_Dis（150，2，cv_32F，Dis）；不，您需要ConvertTo您的意思是像上面建议的那样吗？不，注释中的建议是将数据转换为float，然后运行cv:：kmeans。我的建议是编写

yourown:：integerkmeans

。请解释一下上面的代码中出现了什么问题？您有一个整数矩阵，但函数需要一个浮点矩阵。因此，这是一个错误。你的意思是像上面建议的那样吗？不，注释中的建议是将数据转换为float，然后运行cv:：kmeans。我的建议是编写

yourown:：integerkmeans

。请解释一下上面的代码中出现了什么问题？您有一个整数矩阵，但函数需要一个浮点矩阵。因此，这是一个错误。