Python kmeans：必选参数'；旗帜'；（位置6）未找到

我想用kmeans计算lbp的集群。 首先，我计算每个图像大小为8*8的lbp值。 然后我使用cv2.kmeans，但它不能工作 错误：未找到必需的参数“标志”（位置6） 代码：

#-*-编码：utf-8-*-
"""
Spyder编辑器
此临时脚本文件位于此处：
/home/nel/.spyder2/.temp.py
"""
从skimage.feature导入本地\u二进制\u模式
从撇渣进口io
从skimage.color导入rgb2gray
将numpy作为np导入
进口cv2
def加载映像（路径）：
导入操作系统
imagepath=map（lambda:os.path.join（path，a），os.listdir（path））
images=map（io.imread，imagepath）
返回图像路径、图像
def lbpdesc（图像名称）：
半径=1
n_点=8
方法='nri_统一'
imagename=io.imread（'/home/nel/project/pictest/1.jpg'））
gray_image=rgb2gray（图像名称）
lbp_高度，lbp_宽度=灰色图像.shape
网格_行=8
网格=8
py=int（np.楼层（lbp高度/网格行））
px=int（np.地板（磅宽/网格线））
E=np.零（（py*px，64））
i=0
对于范围（0，py）中的行：
对于范围（0，px）内的列：
块=灰度图像[行*网格行：（行+1）*网格行，列*网格列：（列+1）*网格列]
H=局部二进制模式（块、n点、半径、方法）
E[i，：]=H.ravel（）
i+=1
返回E
如果名称=“\uuuuu main\uuuuuuuu”：
图像={}
imagePath，imagesed=loadImages（“/home/nel/project/pictest”）
对于范围内的i（len（imagePath））：
图像[imagePath[i]]=imagesed[i]
特征={}
对于d，图像中的x.items（）：
特征[d]=lbpdesc（x）
featureall=np.float32（np.vstack（features.values（）））
codebookSize=40
iterMax=100
术语标准=（cv2.术语标准EPS.cv2.术语标准计数，10,1）
retval、bestLabels、codebook=cv2.kmeans（功能全部、codebookSize、term\u crit、iterMax、cv2.kmeans\u随机中心）

请在您的问题中包含“print cv2.kmeans.\uuu doc\uuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuu。您的cv2版本似乎需要一个额外的参数。我得到了kmeans（数据、k、最佳标签、条件、尝试、标志[、最佳标签[、中心]]）->retval、最佳标签、中心为什么列表中有两个“最佳标签”？这可能是您的错误，您没有根据该docstring指定

bestLabels

。请检查kmeans示例：