Python 将从子集计算的kmeans应用于完整数据

我有层析数据集，我想通过k-means聚类分割成不同的部分。 由于数据集相当大，我计算了数据子集的k均值。 现在，我想将计算出的k-均值应用到数据集的更大部分，但我似乎无法使其正常工作，分割没有正确应用

我加载图像的一个子集，如下所示：

import glob
import imageio
import numpy
filenames = glob.glob(os.path.join(FolderToRead, '*rec0*.tif'))
vol_subset = numpy.stack([imageio.imread(rec) for rec in filenames[::50]], 0)

然后按如下方式计算k-均值聚类：

import sklearn.cluster
kmeans_volume = sklearn.cluster.MiniBatchKMeans(n_clusters=6, batch_size=2**11)
subset_clustered = kmeans_volume.fit_predict(numpy.array(vol_subset).reshape(-1,1))
subset_clustered.shape = numpy.shape(vol_subset)

标签看起来很棒，标签1是骨骼，标签3是植入物，标签5是骨骼中的血管

for c, img in enumerate(subset_clustered):
    for d, cluster in enumerate(range(number_of_clusters)):
        plt.subplot(1, number_of_clusters, d+1)
        # Show original image
        plt.imshow(img)
        # Overlay label image
        plt.imshow(numpy.ma.masked_where(img != d, img), cmap='jet_r')
        plt.title('Image %s/%s, Label %s' % (c + 1, len(vol_clustered), d))
        plt.show()

现在我已经计算了数据子集的k均值，我想将它们应用到完整的数据集。 我试着这样做，但标签似乎不一致

# Apply segmentation calculated above
for c, r in enumerate(reconstructions):
    # Read in all files subsequently
    reconstruction = imageio.imread(r)
    # Label the images with the kmeans calculated from a subset of the images
    clustered_rec = kmeans_volume.fit_predict(reconstruction.reshape(-1, 1))
    clustered_rec.shape = numpy.shape(reconstruction)
    # Write out the images
    imageio.imwrite('filename' + c + '.png, numpy.uint8(clustered_rec == 3) * 255 )  # 3 being the screw label

下图显示了上面脚本的裁剪输出。 左面板上一张图像（中间的五个斑点）上的血管正确标记为5，右面板下一张图像上的血管标记为1，这是错误的

如果有人指出我做错了什么，我将不胜感激。 我希望我不必在整个数据集上计算k均值，因为有2700个TIFF图像，每个图像的大小为1944x1944像素…

来自，

fit_predict（X[，y]）

两个“计算聚类中心和预测每个样本的聚类索引”

而方法

predict（X）

，仅“预测X中每个样本所属的最近聚类。”

---

因此，只需在完整数据集上使用此方法。

是否必须在完整数据集上使用方法

predict

，而不是

fit\u predict

？@xdze2正是这种情况。非常感谢你发现了这一点！你能不能把这个作为一个答案，我会接受这个答案。CT通常有校准值，你可以定义固定的阈值来区分骨与血管和植入物。你不应该用k-means来做这个。@CrisLuengo:我很清楚这一点。机器没有校准，我们在不同的能量和放大设置下扫描了几个不同的样品。k-means分割对我们设置中的所有样本都相当稳健。