### OpenCV C++ 实现聚类方法教程 #### 使用 `cv::kmeans` 函数进行 K-Means 聚类 在 OpenCV 中，可以通过调用 `cv::kmeans` 函数来执行 K-Means 聚类。此函数用于将数据集划分为指定数量的簇，并返回每个样本所属的簇标签以及最终的质心位置。 以下是使用 OpenCV 的 C++ API 进行 K-Means 聚类的一个简单示例： ```cpp #include <opencv2/opencv.hpp> #include <iostream> using namespace cv; using namespace std; void kMeansClusteringDemo() { // 创建一些测试数据 (N个二维点) int N = 100; Mat data(N, 2, CV_32F); RNG rng(12345); // 随机数生成器 for(int i = 0; i < N; ++i){ data.at<float>(i, 0) = rng.uniform(0.0f, 100.0f); data.at<float>(i, 1) = rng.uniform(0.0f, 100.0f); } // 定义参数 int clusterCount = 3; // 簇的数量 TermCriteria criteria(TermCriteria::EPS + TermCriteria::COUNT, 10, 1.0); // 执行K-means聚类 vector<int> labels; Mat centers; kmeans(data, clusterCount, labels, criteria, 10, KMEANS_PP_CENTERS, centers); cout << "Cluster Centers:\n" << centers << endl; } ``` 上述代码创建了一个包含随机分布的数据点矩阵，并通过 `cv::kmeans` 对这些点进行了三分类操作。最后打印出了各个簇中心的位置[^1]。 对于更复杂的场景，比如基于颜色的空间分割图像，则可以加载图片并将其转换成适合输入的形式再做处理: ```cpp Mat img = imread("path_to_image.jpg"); if(img.empty()){ cerr << "Could not open or find the image!" << endl; return -1; } // 将图像从BGR转为RGB色彩空间 cvtColor(img, img, COLOR_BGR2RGB); // 改变形状以便于作为输入给kmeans() int rows = img.rows * img.cols; Mat samples(rows, 3, CV_32FC1); for(int y = 0, index = 0; y < img.rows; ++y){ Vec3b* ptr = img.ptr<Vec3b>(y); for(int x = 0; x < img.cols; ++x, ++index){ for(int z = 0; z < 3; ++z){ samples.at<float>(index, z) = ptr[x][z]; } } } // 设置K-means参数... vector<int> labels; Mat centers; TermCriteria criteria(TermCriteria::EPS + TermCriteria::COUNT, 10, 1.0); kmeans(samples, clustersNumber, labels, criteria, attempts, flags, centers); // 映射回原始尺寸并将结果保存到新图像中... Mat newImg(img.size(), img.type()); for(int y = 0, index = 0; y < img.rows; ++y){ Vec3b* nPtr = newImg.ptr<Vec3b>(y); for(int x = 0; x < img.cols; ++x, ++index){ int cluster_idx = labels[index]; nPtr[x][0] = (uchar)centers.at<float>(cluster_idx, 0); nPtr[x][1] = (uchar)centers.at<float>(cluster_idx, 1); nPtr[x][2] = (uchar)centers.at<float>(cluster_idx, 2); } } imwrite("output_segmented.png", newImg); ``` 这段程序展示了如何读取一张彩色照片，对其进行像素级别的 K-Means 聚类分析，从而实现简单的图像分割效果[^2].