python opencv中k-means聚类后如何选择所需的集群？答案

【问题标题】：How to choose required cluster after k-means clustering in python opencv?python opencv中k-means聚类后如何选择所需的集群？
【发布时间】：2022-01-23 11:01:23
【问题描述】：

我正在对具有 k=4 个聚类的图像（果树图像）进行 k 均值聚类。当我分别显示 4 个集群时，水果进入集群 1，茎进入集群 2，叶子进入集群 3，背景进入集群 4。我只对水果丛更感兴趣。问题是当我将图像更改为另一个果树图像时，水果簇转到簇 2 或有时转到簇 3 或 4。我希望不更改水果簇，这意味着如果水果在簇 1 中，它应该在所有图像中的簇 1果树。我怎样才能做到这一点？第二，如果不可能，我想自动选择包含水果的集群。我怎样才能做到这一点？提前致谢。

【问题讨论】：

K-means 只能识别图像中的数据集群，它无法识别集群对象本身。如果你想识别水果，你应该考虑分类器。
如果合并两张图片，两张图片的果实会进入同一个簇吗？如果是，您可以使用原始最近邻分类器。

标签： python opencv cluster-analysis k-means image-segmentation

【解决方案1】：

K-means 聚类是无监督的，这意味着算法不知道任何标签。这就是为什么将集群随机分配给目标的原因。您可以使用水果簇的启发式评估来确定它是哪一个。例如，基于有关像素的数据（颜色、位置等），然后手动为其分配标签。无论如何，这一步都需要某种形式的人工干预。

【讨论】：