Python 使用Sci工具包对调整大小的图像进行聚类
我有几个不同大小的产品图片,我正在sci kit中运行聚类算法,学习将相似的图片分组在一起。图像大小不同,但通常在500x500左右,我将它们缩小到250x250Python 使用Sci工具包对调整大小的图像进行聚类,python,image,scipy,scikit-learn,Python,Image,Scipy,Scikit Learn,我有几个不同大小的产品图片,我正在sci kit中运行聚类算法,学习将相似的图片分组在一起。图像大小不同,但通常在500x500左右,我将它们缩小到250x250 def read_img(path, mode='L', size_one=(250, 250)): return misc.imresize(misc.imread(path, mode=mode), size_one) 一旦我得到了向量,我就从中移除白色边框并展平向量 问题是,一些视觉上非常相似的图像具有不同的质量(由于
def read_img(path, mode='L', size_one=(250, 250)):
return misc.imresize(misc.imread(path, mode=mode), size_one)
一旦我得到了向量,我就从中移除白色边框并展平向量
问题是,一些视觉上非常相似的图像具有不同的质量(由于调整大小之前的大小)。它们不会作为单独的簇被拾取
例如,这两个图像虽然非常相似,但质量稍有不同,不能聚集在一起
- 我尝试在sci kit learn中使用AffinityPropagation和Kmeans集群的参数,但仍然没有帮助
- 这两个向量之间也有很大的差异
def trim_img_border(img):
shape = img.shape
temp_rows = []
for row in img:
if check_row(row):
temp_rows.append(row)
temp_rows_T = np.transpose(np.array(temp_rows))
out = []
for row in temp_rows_T:
if check_row(row):
out.append(row)
return round_img(misc.imresize(np.transpose(np.array(out)), shape))
def check_row(row):
srow = sorted(list(set(row)))
if srow == [255] or srow == [254, 255] or srow == [253, 254, 255]:
return False
return True
集群查找不同集群的主要原因是,您是在原始像素上进行集群,而不是在像素的特征上进行集群。即使在视觉上,事物看起来很相似,像素也有很多变化。所以我认为你有两种方法:
希望像这样的东西能有所帮助-很想听听它是怎么回事。聚类是一个非凸优化问题,因此只能保证收敛到某个局部最优解。也许集群只是一种错误的方法。考虑像哈希和Co.这样的选择,谢谢,让我试试。谢谢,我会试试看,然后循环回这个帖子。