27丨K-Means（下）：如何使用K-Means对图像进行分割？

请问老师。自己写Min-Max规范化公式的时候为什么不直接除以255，这样得到的数据也是在[0,1]之间，是因为那个值不可以为0吗？什么原因呢？

老师下面函数中，最后的参数代表什么意思？手册上显示的是n_feature，但没说具体的意义，不是很明白。 c1 = kmeans.cluster_centers_[label[x, y], 2] c2 = kmeans.cluster_centers_[label[x, y], 1] c3 = kmeans.cluster_centers_[label[x, y], 0]

为什么会出现这个错误呢ValueError: too many values to unpack (expected 3)

# -*- coding: utf-8 -*- # 使用K-means对图像进行聚类，显示分割标识的可视化 import numpy as np import PIL.Image as image from sklearn.cluster import KMeans from sklearn import preprocessing from skimage import color # 加载图像，并对数据进行规范化 def load_data(filePath): # 读文件 f = open(filePath,'rb') data = [] # 得到图像的像素值 img = image.open(f) # 得到图像尺寸 width, height = img.size for x in range(width): for y in range(height): # 得到点(x,y)的三个通道值 c1, c2, c3 = img.getpixel((x, y)) data.append([c1, c2, c3]) f.close() # 采用Min-Max规范化 mm = preprocessing.MinMaxScaler() data = mm.fit_transform(data) return np.mat(data), width, height # 加载图像，得到规范化的结果img，以及图像尺寸 img, width, height = load_data('./baby2.jpg') # 用K-Means对图像进行16聚类 kmeans =KMeans(n_clusters=16) kmeans.fit(img) label = kmeans.predict(img) # 将图像聚类结果，转化成图像尺寸的矩阵 label = label.reshape([width, height]) # 将聚类标识矩阵转化为不同颜色的矩阵 label_color = (color.label2rgb(label)*255).astype(np.uint8) label_color = label_color.transpose(1,0,2) images = image.fromarray(label_color) images.save('baby_16.jpg')

问题：已经使用mm进行数据拟合转换了，为何还要使用np.mat()转换呢？作用在哪里？方便后面使用np.uint8吗？ 注意：实战的时候，保存图片为jpg格式 如果是png格式的话，会出现4个值，导致赋值错误，(R, G, B, A) import PIL.Image as image import numpy as np import pandas as pd #载入数据 def load_data(file): with open(file,'rb') as f: data=[] #打开文件 img=image.open(f) width,height=img.size #获取特征数据 for x in range(width): for y in range(height): c1,c2,c3=img.getpixel((x,y)) data.append([c1,c2,c3]) #进行mm规范化 from sklearn.preprocessing import MinMaxScaler mm=MinMaxScaler() data=mm.fit_transform(data) return np.mat(data),width,height data,width,height=load_data('./27/baby.jpg') #进行聚类 from sklearn.cluster import KMeans kmeans=KMeans(n_clusters=16) label=kmeans.fit_predict(data) #可视化 #转换成图像矩阵 label=label.reshape([width,height]) #生成一张新图片 # pic_1=image.new("L",(width,height)) # #把像素信息写入 # #方法1写入灰度值 # for x in range(width): # for y in range(height): # #按照分类确定灰度值 # pic_1.putpixel((x,y),int(label[x][y]*256/16)) # pic_1.save('./27/baby.jpg') # #方法2 # # 使用模组，将表示矩阵转换为各种颜色的矩阵 # #使用label2rgb(label)*255转化,再把矩阵转化为unit8类型，无符号整数 # from skimage import color # label_color=(color.label2rgb(label)*255).astype(np.uint8) # #似乎都需要进行颠倒处理 # label_color=label_color.transpose(1,0,2) # #使用fromarray把矩阵生成图片 # images=image.fromarray(label_color) # images.save('./27/baby_color_2.jpg') #方法3获取对应原图 #创建新的图片 imges1=image.new('RGB',(width,height)) #写入图片 for x in range(width): for y in range(height): #吧范围为0-255的数值投射到1-256 #获取第一列即r的值 c1=kmeans.cluster_centers_[label[x,y],0] c2 = kmeans.cluster_centers_[label[x, y], 1] c3 = kmeans.cluster_centers_[label[x, y], 2] imges1.putpixel((x,y),(int(c1*256)-1,int(c2*256)-1,int(c3*256)-1)) imges1.save('./27/baby_yasuo.jpg')

import numpy as np import PIL.Image as Image from sklearn import preprocessing from sklearn.cluster import KMeans from skimage import color #加载图片，并进行规范化 def load_data(filepath): #读图片 f=open(filepath,'rb') #获取图片像素 img=Image.open(f) #获取图片尺寸和像素矩阵 width,height =img.size data=[] for x in range(width): for y in range(height): #得到点（x,y）的R,G,B通道值 r,g,b=img.getpixel((x,y)) data.append([r,g,b]) f.close() #采用min-max规范化 mm=preprocessing.MinMaxScaler() print('原位置列表：') print(type(data)) print(len(data)) data=mm.fit_transform(data) return np.mat(data),width,height #加载图片，得到规范化结果 img,width,height = load_data('./kmeans-master/baby.jpg') print('\n规范化的像素矩阵：') print(type(img)) print(img.shape) #用K-Means进行16聚类 kmeans = KMeans(n_clusters=16) label=kmeans.fit_predict(img) #将图像结果，转化成图像尺寸矩阵 label=label.reshape([width,height]) #创建颜色表示矩阵图 label_color = (color.label2rgb(label)*255).astype(np.uint8) label_color=label_color.transpose(1,0,2) print('\n像素颜色矩阵：') print(label_color.shape) images=Image.fromarray(label_color) images.save('./kmeans-master/baby_mark.jpg') #创建新图像，保存聚类压缩之后的结果 img=Image.new('RGB',(width,height)) for x in range(width): for y in range(height): r1=kmeans.cluster_centers_[label[x, y],0] g1=kmeans.cluster_centers_[label[x, y], 1] b1=kmeans.cluster_centers_[label[x, y], 2] img.putpixel((x,y),(int(r1*256)-1,int(g1*256)-1,int(b1*256)-1)) img.save('./kmeans-master/baby_new.jpg')

为什么要用np.mat(data)?? 我用array()跑出来的结果完全是一样的啊。。

极客时间 pc界面终于改了。。之前的界面找某篇文章费死个劲

老师好，想请问下您聚类后得到的那张灰度图像有其他的设置吗？我使用跟您一样的代码，最后生成的图尺寸非常小，且一些细节并没有分类正确...不知道是什么原因？

import PIL.Image as image 导入的是pillow包，而非pil包。 pil包不支持64位，但是有pillow包代替用。