Python SKLearn中用K-均值处理图像矩阵

我想用SKLearn对我的图像进行分类。 使用python，我从磁盘读取图像，并通过自适应阈值“移除”背景。此外，我还计算了对象的平均颜色（无背景）以及所有像素与平均颜色之间的标准偏差。 阈值图像、平均颜色和stdv是我的特征提取的结果，现在我想对我的所有图像及其特征运行一个聚类算法，以对相似的图像进行分类

但是，对于要集群的每个对象，似乎只接受每个特征具有单个值的一维数组，而不是具有单个对象的“我的数据”

• 矩阵，显示如下图像： （r，g，b）（r，g，b，）（r，g，b，）， （r，g，b，）（r，g，b，）（r，g，b，））

• 具有平均颜色的向量： （r、g、b）

• 每种颜色的stdv矢量： （r、g、b）

如果我只有两个向量，我会把它们分成6个特征，比如 （r，g，b，r2，g2，b2）。但是，矩阵是100x100，这将为我提供10.000个额外功能，这不是答案

我会很高兴听到关于我的问题的解决方案，或者用我提取的特征对图像进行分类的其他方法的指南。

---

提前谢谢

是的，您需要重塑数据。是的，一个100x100x3的图像可以产生30000个功能

由于维度的诅咒，KMeans往往无法很好地处理此类数据

您需要为合适的低维表示提取特征。几年前，答案是“视觉文字袋”。现在是“深度学习”，使用最后一层作为您的功能，而不是分类输出层