OpenCV’de K-Ortalamalar Kümeleme

Hedefler

• OpenCV’de veri kümeleme için cv.kmeans() fonksiyonunu kullanmayı öğreneceğiz

Parametreleri Anlamak

Giriş Parametreleri

1. samples: np.float32 veri tipinde olmalıdır.
2. nclusters (K): Sonunda gereken küme sayısı
3. criteria: Yinelemeli sonlandırma kriterleri — (type, max_iter, epsilon):
   • cv.TERM_CRITERIA_EPS — belirtilen doğruluğa (epsilon) ulaşılınca dur
   • cv.TERM_CRITERIA_MAX_ITER — belirtilen yineleme sayısından sonra dur
   • cv.TERM_CRITERIA_EPS + cv.TERM_CRITERIA_MAX_ITER — her iki koşuldan biri karşılandığında dur
4. attempts: Algoritmanın farklı başlangıç etiketleriyle kaç kez çalıştırılacağını belirler
5. flags: Başlangıç merkezlerin nasıl alındığını belirtir: cv.KMEANS_PP_CENTERS veya cv.KMEANS_RANDOM_CENTERS

Çıkış Parametreleri

1. compactness: Her noktanın karşılık gelen merkezlerine kare uzaklıklarının toplamı
2. labels: Etiket dizisi — her eleman ‘0’, ‘1’ vb. ile işaretli
3. centers: Küme merkezleri dizisi

1. Tek Özellikli Veri

import numpy as np
import cv2 as cv
from matplotlib import pyplot as plt

x = np.random.randint(25, 100, 25)
y = np.random.randint(175, 255, 25)
z = np.hstack((x, y))
z = z.reshape((50, 1))
z = np.float32(z)

# Kriterleri tanımla
criteria = (cv.TERM_CRITERIA_EPS + cv.TERM_CRITERIA_MAX_ITER, 10, 1.0)
flags = cv.KMEANS_RANDOM_CENTERS

# K-Means uygula
compactness, labels, centers = cv.kmeans(z, 2, None, criteria, 10, flags)

# Şimdi veriyi geri iki gruba ayır
A = z[labels == 0]
B = z[labels == 1]

# Şimdi çiz
plt.hist(A, 256, [0, 256], color='r')
plt.hist(B, 256, [0, 256], color='b')
plt.hist(centers, 32, [0, 256], color='y')
plt.show()

2. Çok Özellikli Veri

import numpy as np
import cv2 as cv
from matplotlib import pyplot as plt

X = np.random.randint(25, 50, (25, 2))
Y = np.random.randint(60, 85, (25, 2))
Z = np.vstack((X, Y))
Z = np.float32(Z)

criteria = (cv.TERM_CRITERIA_EPS + cv.TERM_CRITERIA_MAX_ITER, 10, 1.0)
ret, label, center = cv.kmeans(Z, 2, None, criteria, 10, cv.KMEANS_RANDOM_CENTERS)

A = Z[label.ravel() == 0]
B = Z[label.ravel() == 1]

plt.scatter(A[:, 0], A[:, 1])
plt.scatter(B[:, 0], B[:, 1], c='r')
plt.scatter(center[:, 0], center[:, 1], s=80, c='y', marker='s')
plt.xlabel('Height'), plt.ylabel('Weight')
plt.show()

3. Renk Nicemleme

Renk nicemleme, bir görüntüdeki renk sayısını azaltmaktır. Burada K-Means kullanarak görüntü renklerini nicemleyeceğiz:

import numpy as np
import cv2 as cv

img = cv.imread('home.jpg')
Z = img.reshape((-1, 3))
Z = np.float32(Z)

criteria = (cv.TERM_CRITERIA_EPS + cv.TERM_CRITERIA_MAX_ITER, 10, 1.0)
K = 8
ret, label, center = cv.kmeans(Z, K, None, criteria, 10, cv.KMEANS_RANDOM_CENTERS)

center = np.uint8(center)
res = center[label.flatten()]
res2 = res.reshape((img.shape))

cv.imshow('res2', res2)
cv.waitKey(0)
cv.destroyAllWindows()

Kaynak: OpenCV Python Tutorials — Orijinal Döküman