學習了模式識別中的K均值算法，之後自己琢磨着實現了圖像分割（受到劉波老師ppt上的啓發），經過一下午的時間，終於實現了圖像分割。後來才發想opencv中自帶kmeans算法，而且直接調用就行。
下面就是介紹和自己寫的源代碼。
分類：
監督學習：給定已知類別的學習樣本，設計分類器。
非監督學習：給定未知(未知類別及類別數)樣本，設計分類器。
兩大類非監督學習：
基於概率密度函數估計的直接方法
基於樣本間相似性(similarity)度量的間接聚類方法。
而K均值就是屬於無監督學習中間接聚類方法中的動態聚類。
C-均值算法（k-means, k-均值)
對樣本集KN={xi}尚不知每個樣本的類別，但可假設所有樣本可分爲c類，各類樣本在特徵空間依類聚集，且近似球形分佈；
用一代表點(prototype)來表示一個聚類，如類內均值mi來代表聚類Ki；
聚類準則：誤差平方和J
流程：
Step 1. 初始化：隨機選擇k個樣本點，並將其視爲各聚
類的初始中心m1,…,mk ；
Step 2. 按照最小距離法則逐個將樣本x劃分到以聚類中
心m1,…,mk爲代表的k個類C1,…,Ck中；
Step 3. 計算聚類準則函數J，重新計算k個類的聚類中心
m1,…,mk ；
Step 4. 重複Step 2和 3直到聚類中心m1,…,mk無改變
或目標函數J不減小。
自己寫的算法（完全自己實現）
/***************
name:testfun.cpp
介紹：這是利用模式識別裏的動態聚類法（C均值法）來實現圖像分割
是自己根據模式識別書上的思想弄個出來的
designed by Wupeng
created 2015-12-19
基於k均值（無監督）
********************/
#include<opencv2/core/core.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<opencv2/imgproc/imgproc.hpp>
#include<iostream>
#include<math.h>
using namespace std;
using namespace cv;
int findmin(double *dis,int n); //找到最近的一類
void segmentation(const Mat,Mat&,int n=2);
int main()
{
system("color 5E");
Mat src,dst;
//src = imread("tree.jpg");
src = imread("dog.jpg");
//src = imread("hair.png");
segmentation(src,dst,2);//這數字是收到切換分成幾類（默認兩類）
namedWindow("dst image");
namedWindow("src image");
imshow("dst image",dst);
imshow("src image",src);
waitKey(0);
return 0;
}
int findmin(double *dis,int n)
{
double min;
int temp = 0;
min = dis[0];
for(int i = 1;i<n;i++)
if(dis[i]<min)
{
min = dis[i];
temp = i;
}
return temp;
}
void segmentation(const Mat src,Mat &dst,int n)
{
//dst = Mat::zeros(src.size(),src.type());
dst = src.clone();
int **m = new int*[2*n]; //新舊共2n個均值點
int *nk = new int[n]; //每一類的個數
int *x = new int[n]; //算新舊均值點是否已經到達終止條件
double *dis = new double[n]; //待分的點到幾個均值點的距離
int **sum = new int*[n]; //求新的一類中所有點的和 三維
for(int i = 0;i<2*n;i++)
m[i] = new int[3];
for(int i = 0;i<n;i++)
sum[i] = new int[3];
for(int i = 0;i<n;i++) //隨機生成的n個均值點
{
for(int k = 0;k<3;k++)
m[i][k] = src.at<Vec3b>(rand()/src.cols,rand()/src.rows)[k]; //隨機生成初始點
}
for(int i = n;i<2*n;i++)
{
for(int k = 0;k<3;k++)
m[i][k] = 0;
}
for(int i = 0;i<n;i++) //新舊均值點的差距
{
x[i] = abs(m[i+n][0]-m[i][0])+abs(m[i+n][1]-m[i][1])+abs(m[i+n][2]-m[i][2]);
}
int mink;
int comp=0; //新舊均值點是否滿足停止條件
int times = 0;
for(int i = 0;i<n;i++)
if(x[i]>0)
comp++;
while(comp)
{
for(int i = 0;i<n;i++)
{
nk[i] = 0;
for(int k = 0;k<3;k++)
sum[i][k] = 0;
}
for(int i = 0;i<src.rows;i++)
for(int j = 0;j<src.cols;j++)
{
for(int k = 0;k<n;k++)
{
dis[k] = sqrt((src.at<Vec3b>(i,j)[0]-m[k][0])*(src.at<Vec3b>(i,j)[0]-m[k][0])+ //計算每個像素點到n個均值點的距離
(src.at<Vec3b>(i,j)[1]-m[k][1])*(src.at<Vec3b>(i,j)[1]-m[k][1])+
(src.at<Vec3b>(i,j)[2]-m[k][2])*(src.at<Vec3b>(i,j)[2]-m[k][2]));
}
mink = findmin(dis,n); //找到距離最近的均值點
nk[mink]++; //該類個數自增
sum[mink][0] += src.at<Vec3b>(i,j)[0];//求和
sum[mink][1] += src.at<Vec3b>(i,j)[1];
sum[mink][2] += src.at<Vec3b>(i,j)[2];
}
for(int i = 0;i<n;i++)
for(int k = 0;k<3;k++)
{
m[i+n][k] = sum[i][k]/nk[i]; //新的均值點
}
for(int i = 0;i<n;i++)
{
x[i] = abs(m[i+n][0]-m[i][0])+abs(m[i+n][1]-m[i][1])+abs(m[i+n][2]-m[i][2]);
}
for(int i = 0;i<n;i++)
{
for(int k = 0;k<3;k++)
m[i][k] = m[i+n][k]; //將新的均值點替換舊的均值點
}
comp = 0;
for(int i = 0;i<n;i++)
if(x[i]>0)
comp++;
times++;
}
cout<<"times is:"<<times<<endl;
/****************
最後一次分類結束後，在分類不會變化了，此時將每個類中用不同顏色標記
*****************/
for(int i = 0;i<src.rows;i++)
for(int j = 0;j<src.cols;j++)
{
for(int k = 0;k<n;k++)
{
dis[k] = sqrt((src.at<Vec3b>(i,j)[0]-m[k][0])*(src.at<Vec3b>(i,j)[0]-m[k][0])+ //計算距離
(src.at<Vec3b>(i,j)[1]-m[k][1])*(src.at<Vec3b>(i,j)[1]-m[k][1])+
(src.at<Vec3b>(i,j)[2]-m[k][2])*(src.at<Vec3b>(i,j)[2]-m[k][2]));
}
mink = findmin(dis,n);
if(mink == 0)
{
dst.at<Vec3b>(i,j)[0] = 255;
dst.at<Vec3b>(i,j)[1] = 0;
dst.at<Vec3b>(i,j)[2] = 0;
}
else if(mink == 1)
{
dst.at<Vec3b>(i,j)[0] = 0;
dst.at<Vec3b>(i,j)[1] = 255;
dst.at<Vec3b>(i,j)[2] = 0;
}
else if(mink==2)
{
dst.at<Vec3b>(i,j)[0] = 0;
dst.at<Vec3b>(i,j)[1] = 0;
dst.at<Vec3b>(i,j)[2] = 255;
}
else if(mink==3)
{
dst.at<Vec3b>(i,j)[0] = 0;
dst.at<Vec3b>(i,j)[1] = 0;
dst.at<Vec3b>(i,j)[2] = 0;
}
else if(mink==4)
{
dst.at<Vec3b>(i,j)[0] = 255;
dst.at<Vec3b>(i,j)[1] = 255;
dst.at<Vec3b>(i,j)[2] = 255;
}
else
{
dst.at<Vec3b>(i,j)[0] = 256/n*mink;
dst.at<Vec3b>(i,j)[1] = 2;
dst.at<Vec3b>(i,j)[2] = 255/n*mink;
}
}
delete[] nk;
delete[] x;
delete[] dis;
for(int i = 0;i<2*n;i++)
delete[] m[i];
delete[] m;
for(int i = 0;i<n;i++)
delete[] sum[i];
delete[] sum;
}
效果如下：
下面這個也是實現圖。