Python 2.7 基于k-means的图像分割

我正在尝试使用k-means算法进行图像分割任务。问题是我的程序没有分割图像。 你能帮我找出代码中的错误吗

事实上，我已经将集群的数量固定为32。 我使用了以下数据结构：

• 3个阵列bleu、vert、rouge存储每个像素的RGB值

• 3个阵列cluster_bleu、cluster_rouge、cluster_vert存储每个群集的RGB值

• groupe[i，0]=k将每个像素i映射到簇k

  import cv2
  
  import numpy
  
  import random
  def main():
      MAX_LARGEUR = 400
      MAX_HAUTEUR = 400
  
      K = 32 #Le fameux parametre K de l'algorithme
      imagecolor = cv2.imread('perr.jpg')
  
  
      if imagecolor.shape[0] > MAX_LARGEUR or imagecolor.shape[1] > MAX_HAUTEUR:
          factor1 = float(MAX_LARGEUR) / imagecolor.shape[0]
          factor2 = float(MAX_HAUTEUR) / imagecolor.shape[1]
          factor = min(factor1, factor2)
          imagecolor = cv2.resize(imagecolor, None, fx=factor, fy=factor, interpolation=cv2.INTER_AREA)
  
  
      nb_pixels = imagecolor.shape[0] * imagecolor.shape[1]
  
      bleu = imagecolor[:, :, 0].reshape(nb_pixels, 1)
      vert = imagecolor[:, :, 1].reshape(nb_pixels, 1)
      rouge = imagecolor[:, :, 2].reshape(nb_pixels, 1)
  
  
      cluster_bleu = numpy.zeros(K)
      cluster_vert = numpy.zeros(K)
      cluster_rouge = numpy.zeros(K)
  
      groupe = numpy.zeros((nb_pixels, 1)) 
  
      for i in range(0,K):
          groupe[i,0]=i
  
      for i in range(K,nb_pixels):
          groupe[i,0]=random.randint(0, K-1)
  
  
      condition =False
  
  
  
  
      def etape1(indices,i):
      s=indices.size
      rouge_s=0
      vert_s=0
      bleu_s=0
      #calcul de barycentre des points
      if s==0:
          cluster_rouge[i]=0  
          cluster_vert[i]=0
          cluster_bleu[i]=0
  
  
      if s >=1:
          for j in range(0,s):
              rouge_s=rouge_s+rouge[indices[j]]
              vert_s=vert_s+vert[indices[j]]
              bleu_s=bleu_s+bleu[indices[j]]
  
          #mise  jour des clusters 
  
          cluster_rouge[i]=rouge_s/s  
          cluster_vert[i]=vert_s/s
          cluster_bleu[i]=bleu_s/s        
  
  
      iteration=0
      oldGroupe = numpy.copy(groupe)
      while(condition==False) :
  
  
      for i in range(0,K):
  
          indices=numpy.where(groupe==i)[0]
          etape1(indices,i)
  
  
  
      for i in range(0,nb_pixels):
          minimum=10000;
          dist=0;
          index=-1;
          for j in range(0,K):
               dist=(cluster_rouge[j]-rouge[i])**2+(cluster_vert[j]-vert[i])**2+(cluster_bleu[j]-bleu[i])**2;
               if(dist<=minimum):
                  minimum=dist;
                  index=j;
  
  
  
          groupe[i,0]=index;
  
  
  
      condition=numpy.all(groupe==oldGroupe)
  
      oldGroupe = numpy.copy(groupe)  
  
  
      groupe=numpy.reshape(groupe, (imagecolor.shape[0], imagecolor.shape[1]))
  
  
  
  
      for i in range(0, imagecolor.shape[0]):
          for j in range(0, imagecolor.shape[1]):
              imagecolor[i,j,0] = (cluster_bleu[groupe[i,j]])
              imagecolor[i,j,1] = (cluster_vert[groupe[i,j]])
              imagecolor[i,j,2] = (cluster_rouge[groupe[i,j]])
  
      cv2.namedWindow("sortie")
      cv2.imshow("sortie", imagecolor)
      key = cv2.waitKey(0)
  if __name__ == "__main__":
      main()
  

  导入cv2
  进口numpy
  随机输入
  def main（）：
  最大值=400
  最大值=400
  K=32#Le fameux参数K de l’algorithme
  imagecolor=cv2.imread（'perr.jpg'））
  如果imagecolor.shape[0]>MAX_LARGEUR或imagecolor.shape[1]>MAX_HAUTEUR：
  系数1=浮动（最大值）/图像颜色。形状[0]
  系数2=浮动（最大值）/图像颜色。形状[1]
  系数=最小值（系数1，系数2）
  imagecolor=cv2.调整大小（imagecolor，无，fx=因子，fy=因子，插值=cv2.内部面积）
  nb_pixels=imagecolor.shape[0]*imagecolor.shape[1]
  bleu=imagecolor[：，：，0]。重塑形状（nb_像素，1）
  vert=imagecolor[：，：，1]。重塑形状（nb_像素，1）
  胭脂=图像颜色[：，：，2]。重塑形状（nb_像素，1）
  集群_bleu=numpy.zeros（K）
  集群垂直=numpy.zero（K）
  簇红色=numpy.0（K）
  groupe=numpy.zero（（nb_像素，1））
  对于范围（0，K）内的i：
  群[i，0]=i
  对于范围内的i（K，nb_像素）：
  群[i，0]=random.randint（0，K-1）
  条件=假
  def etape1（索引，i）：
  s=指数。大小
  胭脂=0
  垂直面=0
  bleu_s=0
  #点重心计算
  如果s==0：
  簇红色[i]=0
  簇垂直[i]=0
  集群_bleu[i]=0
  如果s>=1：
  对于范围（0，s）内的j：
  胭脂=胭脂+胭脂[指数[j]]
  垂直方向=垂直方向+垂直方向[指数[j]]
  bleu_s=bleu_s+bleu[指数[j]]
  #mise-jour-des团簇
  群集胭脂[i]=胭脂s/s
  集群垂直[i]=垂直s/s
  集群bleu[i]=bleu\u s/s
  迭代=0
  oldGroupe=numpy.copy（groupe）
  而（条件==False）：
  对于范围（0，K）内的i：
  索引=numpy.where（groupe==i）[0]
  etape1（指数，一）
  对于范围内的i（0，nb_像素）：
  最低=10000；
  dist=0；
  指数=-1；
  对于范围（0，K）内的j：
  dist=（cluster_ruge[j]-ruge[i]）**2+（cluster_vert[j]-vert[i]）**2+（cluster_bleu[j]-bleu[i]）**2；
  如果（dist问题是赋值
  oldGroupe=groupe；
  ，它不复制数组，而是创建具有不同名称的引用（
  oldGroupe
  ），它指向与
  groupe
  相同的数据。因此，当您更改
  groupe
  时，您也会更改
  oldGroupe
  ，并且
  条件始终为真
  
  您想要的是使用
  oldGroupe=numpy.copy（groupe）
  在
  groupe
  中创建一个数据副本。问题是赋值
  oldGroupe=groupe；
  它不复制数组，而是创建具有不同名称的引用（
  oldGroupe
  ），它指向与
  groupe
  相同的数据。因此，当您更改
  groupe
  时，您也会更改
  oldGroupe
  ，并且
  条件始终为真
  
  您需要使用
  oldGroupe=numpy.copy（groupe）在
  groupe
  中创建数据副本
  您的代码格式可能需要一点帮助。您的代码格式可能需要一点帮助。我已经按照您所说的修改了我的代码，k-means聚合。但是，分割失败。请添加另一个问题，询问为什么分割不起作用。在问题中，请解释一下，“分割不起作用”是什么意思。为了说明这一点，您可以附加两幅图像：分割输入和分割结果。正如您所说，我已经修改了我的代码，k-均值收敛。但是，分割失败。请添加另一个问题，询问为什么分割不起作用。在问题中，请解释，“分割不起作用”是什么意思。为了说明这一点，您可以附加两幅图像：分割输入和分割结果