使用 Kmeans、Opencv Python 进行颜色分割

Question

我有一个带有字母和不同颜色形状的图像。我需要对它们执行 kmeans 聚类，然后提供两个不同的图像，一个只重新生成形状，另一个只重新生成字母颜色。 这是一个示例原始图像以及我需要实现的目标。 Original Image

Shape color regenerated 同样，另一个只有白色 R。

我已成功执行 kmeans 聚类算法，如何访问标签和聚类 idx 以重新生成所需的结果？有人可以用示例代码进行说明。这是代码。提前致谢。

import numpy as np
import cv2

img = cv2.imread("/home/manohar/Outputs/Targets/m-0.PNG",1)
cv2.imshow("original",img)

Z = img.reshape((-1,3))

# convert to np.float32
Z = np.float32(Z)

# Here we are applying k-means clustering so that the pixels around a colour are consistent and gave same BGR/HSV values 


# define criteria, number of clusters(K) and apply kmeans()
criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 10, 1.0)
# We are going to cluster with k = 2, because the image will have just two colours ,a white background and the colour of the patch
K = 3
attempts=10
ret,label,center=cv2.kmeans(Z,K,None,criteria,attempts,cv2.KMEANS_PP_CENTERS)

# Now convert back into uint8
#now we have to access the labels to regenerate the clustered image
center = np.uint8(center)
res = center[label.flatten()]
res2 = res.reshape((img.shape))
#res2 is the result of the frame which has undergone k-means clustering


cv2.imshow("res2",res2)
cv2.waitKey()
cv2.destroyAllWindows()

Answer 1

好的，所以如果您想将所有被K-Means 归类为“白色”的像素都变为黑色，您需要首先查看哪个标签对应于“白色”类别。您可以通过查看白色 (255,255,255) 所属的 center（包含生成的 k 个中心）中的索引来实现这一点，如下所示：

white_index = 0
for b,g,r in center:
    #check if it is white
    if b == g == r == 255:
        #then this is the white category
        break
    white_index = white_index + 1

请注意，由于k-means 是一种无监督方法，您的类别可能不一定是完全白色（可能类似于250,249,254）。所以你在搜索索引时应该考虑到这一点，即你应该寻找接近白色的颜色。您可以通过应用color distance 公式来比较您的颜色来实现这一点。

但是根据我的经验，我相信center 已经以某种方式对结果中心进行了排序（较大的像素值往往首先出现），并且我注意到靠近白色的中心具有较低的索引（因此白色 可能是索引0）。但最好确认一下。

现在您知道什么索引对应于白色，您可以在label 变量中看到哪些像素被分类到该索引。为此，您可以通过多种方式来做到这一点，而且肯定有一些比其他方式更有效，其中一种方法可能是：

#Copy image to modify it
img_copy = img[:]
#Reshape label to match the original image
new_label = label.reshape(img.shape)
#iterate over new_label, and if the category is white
#paint pixel corresponding to row,col black
row = 0
for i in new_label:
    column = 0
    for category in i:
        if category == white_index:
            #paint that pixel black
            img_copy[row,column] = [0, 0, 0]
        column = column + 1
    row = row + 1

#now show edited image
cv2.imshow("Object Removed",img_copy)
cv2.waitKey()
cv2.destroyAllWindows()

编辑：上面的代码获得了一个去除了检测到的颜色（变黑）的图像。为了获得它的补充，即只有检测到的物体可见的图像，您可以做几件事。一种方法是获取img 的副本并将不是该颜色的像素涂黑（没有category == white_index），例如：

#Obtain another copy of image to modify it
extract = img[:]
#Now do the opposite, iterate over new_label, and if the category is  Not white
#paint pixel corresponding to row,col black
row = 0
for i in new_label:
    column = 0
    for category in i:
        if category != white_index:
            #paint that pixel black
            extract[row,column] = [0, 0, 0]
        column = column + 1
    row = row + 1

#show or do whatever you want...

另一种仅获取提取对象的更复杂的方法是获取对象的contour（通过阈值化和使用cv2.findContours()），然后应用cv2.boundingRect()，这样您就可以获得对象的较小剪辑（通过用给定的矩形剪裁img）。您可以查看详细说明的链接。