如何使用高斯混合模型按波长分割图像？答案

【问题标题】：How can I use a Gaussian Mixture Model to segment an image by wavelength?如何使用高斯混合模型按波长分割图像？
【发布时间】：2017-11-03 01:31:43
【问题描述】：

我有一个池塘的图像（草、边缘的岩石、水）。我想使用 GMM 作为无监督分类器，将图像分割成草、岩石和水。

图像是形状为 (800, 800, 4) 的 numpy 数组形式，其中每个像素包含 4 个波长的强度数据。例如，像素 x=1 y=1 具有对应于波长 [450, 500, 600, 700] 的强度数据 [1000, 2000, 1500, 4000]。

我尝试使用 scikit-learn 拟合 GMM：

gmm=GaussianMixture(n_components=3, covariance_type="tied")
gmm=gmm.fit(data)

但是，我得到一个错误，说数据的预期维度应该小于或等于 2。

是否有任何可用的 Python 包或函数可以使 GMM 适应更高维数据？

【问题讨论】：

通过对 4 个值进行转换以减少它们会丢失多少信息 - 本质上是将其转换为灰度图像？
再次，您需要确定您认为的样本和功能。您可以将每个像素视为从 4 维波长分布中抽取的样本，然后将 GMM 拟合到该分布。在这种情况下，您需要做的就是将data 数组折叠到前两个维度上，使其形状为(640000, 4) 而不是(800, 800, 4)。这对你的情况有意义吗？从你的描述我看不出来。您想通过将 GMM 拟合到这些数据来回答什么问题？你能编辑你的问题来解释一下吗？
基本上我有一个池塘的图像（草、沿边缘的岩石、水），图像在 y 方向为 800 像素，在 x 方向为 800 像素，每个像素包含来自 4 个重要波长的数据，例如像素 x=1 y=1 具有对应于波长 [450,500,600,700] 的数据 [1000,2000, 1500,4000]。我希望使用 gmm 作为无人监督的分类器，将草从岩石和水中分割出来。我真的很感谢你在这方面的帮助。感谢您对我的耐心和对问题的坚持。
您介意编辑您的问题，使其包含实际的问题描述吗？这是必不可少的信息，所以不应该把它埋在 cmets 里。
请勿交叉发帖：datascience.stackexchange.com/q/19405/924

标签： python image-processing machine-learning scikit-learn cluster-analysis

【解决方案1】：

所以我需要做的就是在 x,y 维度上折叠数组，GMM.fit 方法接受了我的数组输入。原始数据格式为 (800,800,4)，我将其重新整形为 (800*800, 4) 数组。

GMM拟合和聚类的代码如下：

newdata = img_data.reshape(800*800, 4)
gmm = GaussianMixture(n_components=3, covariance_type="tied")
gmm = gmm.fit(newdata)

cluster = gmm.predict(newdata)
cluster = cluster.reshape(800, 800)
imshow(cluster)

我选择了n_components=3，因为我希望分割 3 种不同类型的材料（岩石、草、水）。

【讨论】：

如果您想查看聚类/分割图像的样子，请使用plt.imshow(gmm.means_[cluster])，这会将高斯的均值投影回图像像素，而不是聚类索引（这使得没有视觉感受）