利用cvKMeans2()实现图像聚类(位置+颜色)

时间：2014-07-13 16:35:15 阅读：463 评论：0 收藏：0 [点我收藏+]

///利用opencv提供的函数cvKMeans2()实现图像聚类

///////运行环境：VC6.0+opencv1.0

///////////////使用的时候，改变flag的初始值，即可实现对灰度图、彩色图基于色彩的聚类，以及根据位置和色彩对彩色图像聚类。

////////////////最后结果显示的时候请注意pResult 和pResult3

#include "cv.h"

#include "cxcore.h"
#include "highgui.h"
#include "cvaux.h"
#define nClusters 6

int main( )
{
   IplImage* img = cvLoadImage("lena.jpg", 1);//
   IplImage* pResult = cvCreateImage(cvSize(img->width, img->height), IPL_DEPTH_8U, 1 );
   IplImage* pResult3 = cvCreateImage(cvSize(img->width, img->height), IPL_DEPTH_8U, 3 );
   if(img==NULL)
       return 0;

   CvScalar color_tab[6];
    color_tab[0] = CV_RGB(255,0,0);///给5中颜色分别赋值
    color_tab[1] = CV_RGB(0,255,0);
    color_tab[2] = CV_RGB(0,0,255);
    color_tab[3] = CV_RGB(255,0,255);
    color_tab[4] = CV_RGB(255,255,0);
   color_tab[5] = CV_RGB(255,0,255);

   CvMat* samples;
   CvMat* clusters;
    int flag=2;///0——灰度   1——彩色 2——位置+彩色
   switch(flag)
   {
   case 0:///Gray
       {
           IplImage* pImg=cvCreateImage(cvSize(img->width, img->height), IPL_DEPTH_8U, 1 );
           cvCvtColor(img, pImg, CV_BGR2GRAY);
           assert(pImg != NULL&& pImg->nChannels== 1);
           //创建样本矩阵，CV_32FC1代表位浮点通道（灰度图像）
           samples = cvCreateMat((pImg->width)* (pImg->height),1, CV_32FC1);
           //创建类别标记矩阵，CV_32SF1代表位整型通道
           clusters = cvCreateMat((pImg->width)* (pImg->height),1, CV_32SC1);
           //创建类别中心矩阵
//           CvMat*centers = cvCreateMat(nClusters, 1, CV_32FC1);
           // 将原始图像转换到样本矩阵
           {
               int k = 0;
               CvScalar s;
               for(int i = 0; i < pImg->width; i++)
               {
                   for(int j=0;j < pImg->height; j++)
                   {
                       s.val[0] = (float)cvGet2D(pImg, j, i).val[0];
                       cvSet2D(samples,k++, 0, s);
                   }
               }
           }
           //开始聚类，迭代次，终止误差1.0
           cvKMeans2(samples, nClusters,clusters, cvTermCriteria(CV_TERMCRIT_ITER + CV_TERMCRIT_EPS,100, 1.0));
           // 无需排序直接输出时
           int sortFlag = 0;
           if (sortFlag == 0)
           {
               int k = 0;
               int val = 0;
               float step = 255 / ((float)nClusters - 1);
               CvScalar s;
               for(int i = 0; i < pImg->width; i++)
               {
                   for(int j = 0;j < pImg->height; j++)
                   {
                       val = (int)clusters->data.i[k++];
                       s.val[0] = 255- val * step;//这个是将不同类别取不同的像素值
                       cvSet2D(pResult,j, i, s); //将每个像素点赋值
                   }
               }
           }
           printf( "Gray Image\n");
           cvNamedWindow( "src", 1 );
           cvShowImage( "src", pImg );
           //释放图像内存资源
           cvReleaseImage(&pImg);
           break;
       }//case0
   case 1:///RGB
       {
           assert(img != NULL&& pResult != NULL);
           assert(img->nChannels== 3 && pResult->nChannels == 1);
           samples=cvCreateMat((img->width)*(img->height),1,CV_32FC3);//创建样本矩阵，CV_32FC3代表位浮点通道（彩色图像）
           clusters=cvCreateMat((img->width)*(img->height),1,CV_32SC1);//创建类别标记矩阵，CV_32SF1代表位整型通道
           int i,j,k=0;
           for (i=0;i<img->width;i++)
           {
               for(j=0;j<img->height;j++)
               {
                   CvScalar s;
                   //获取图像各个像素点的三通道值（RGB）
                   s.val[0]=(float)cvGet2D(img,j,i).val[0];
                   s.val[1]=(float)cvGet2D(img,j,i).val[1];
                   s.val[2]=(float)cvGet2D(img,j,i).val[2];
                   cvSet2D(samples,k++,0,s);//将像素点三通道的值按顺序排入样本矩阵
               }
           }
           //cvTermCriteria(CV_TERMCRIT_ITER,100,1.0)
           cvKMeans2(samples,nClusters,clusters,cvTermCriteria( CV_TERMCRIT_EPS+CV_TERMCRIT_ITER, 100, 1.0 ));//开始聚类，迭代次，终止误差1.0
           k=0;
           int val=0;
           float step=255/(nClusters-1);
           for (i=0;i<img->width;i++)
           {
               for(j=0;j<img->height;j++)
               {
                   val=(int)clusters->data.i[k++];
                   CvScalar s;
                   s.val[0]=255-val*step;//这个是将不同类别取不同的像素值
                   cvSet2D(pResult3,j,i,color_tab[val]);        //将每个像素点赋值
               }
           }
           printf( "RGB Image\n");
           cvNamedWindow( "src", 1 );
           cvShowImage( "src", img );
           break;
       }//case1
       case 2:///Position+RGB
       {
           assert(img != NULL&& pResult != NULL);
           assert(img->nChannels== 3 && pResult->nChannels == 1);
           samples=cvCreateMat((img->width)*(img->height),5,CV_32FC1);//创建样本矩阵，CV_32FC3代表位浮点通道（彩色图像）
           clusters=cvCreateMat((img->width)*(img->height),1,CV_32SC1);//创建类别标记矩阵，CV_32SF1代表位整型通道
           int i=0,j,k=0;

           int x,y;
           float *data = samples->data.fl;
           int matcol = samples->cols;
           int step1    = samples->step/sizeof(float);

           for (x=0;x<img->width;x++)
           {
               for(y=0;y<img->height;y++)
               {
//                   CvScalar s;
                   //获取图像各个像素点的三通道值（RGB）
//                   s.val[0]=(float)cvGet2D(img,y,x).val[0];
//                   s.val[1]=(float)cvGet2D(img,y,x).val[1];
//                   s.val[2]=(float)cvGet2D(img,y,x).val[2];
//                   cvSet2D(samples,k++,0,s);//将像素点三通道的值按顺序排入样本矩阵
                   data[i*matcol+0] = (float)x;
                   data[i*matcol+1] = (float)y;
                   data[i*matcol+2] = (float)cvGet2D(img,y,x).val[0];///cvGet2D(img,j,i).val[0];
                   data[i*matcol+3] = (float)cvGet2D(img,y,x).val[1];
                   data[i*matcol+4] = (float)cvGet2D(img,y,x).val[2];
                   i++;
               }
           }
           //cvTermCriteria(CV_TERMCRIT_ITER,100,1.0)
           cvKMeans2(samples,nClusters,clusters,cvTermCriteria( CV_TERMCRIT_EPS+CV_TERMCRIT_ITER, 100, 1.0 ));//开始聚类，迭代次，终止误差1.0
           k=0;
           int val=0;
           float step=255/(nClusters-1);
           for (i=0;i<img->width;i++)
           {
               for(j=0;j<img->height;j++)
               {
                   val=(int)clusters->data.i[k++];
                   CvScalar s;
                   s.val[0]=255-val*step;//这个是将不同类别取不同的像素值
                   cvSet2D(pResult,j,i,s);        //将每个像素点赋值
               }
           }
           printf( "Positon+RGB Result\n");
           cvNamedWindow( "src", 1 );
           cvShowImage( "src", img );
           break;
       }//case2
   }//switch
   cvSaveImage("kmeansResult.jpg",pResult); //存储结果
   cvNamedWindow( "result", 1 );cvMoveWindow("result",600,50);
   cvShowImage( "result", pResult );
   cvWaitKey(0);

   //释放矩阵内存资源
   cvReleaseMat(&samples);
   cvReleaseMat(&clusters);
   //释放图像内存资源
   cvReleaseImage( &img);
   cvReleaseImage( &pResult);
   cvReleaseImage( &pResult3);
   //释放窗口内存资源
   cvDestroyWindow("src");
   cvDestroyWindow("result");

    return 1;

}

【致谢】http://blog.csdn.net/xidianzhimeng/article/details/10391603

利用cvKMeans2()实现图像聚类(位置+颜色),布布扣,bubuko.com

利用cvKMeans2()实现图像聚类(位置+颜色)

标签：kmeans图像聚类图像分割

原文地址：http://blog.csdn.net/zhengtu009/article/details/37727439

踩

(0)

评论一句话评论（0）

分享档案

更多>

2021年07月29日 (22)
2021年07月28日 (40)
2021年07月27日 (32)
2021年07月26日 (79)
2021年07月23日 (29)
2021年07月22日 (30)
2021年07月21日 (42)
2021年07月20日 (16)
2021年07月19日 (90)
2021年07月16日 (35)

周排行