### C-均值聚类算法用于彩色图像分割 C-均值聚类（Fuzzy C-Means Clustering, FCM）是一种模糊聚类方法，它允许数据点属于多个簇，并具有隶属度的概念。下面是一个基于 `skfuzzy` 库实现的 C-均值聚类算法来对彩色图像进行分割的示例。 #### 安装依赖库 为了运行此代码，请先安装所需的库： ```bash pip install numpy matplotlib scikit-fuzzy ``` #### 实现代码 以下是完整的 Python 代码： ```python import numpy as np import cv2 import skfuzzy as fuzz from matplotlib import pyplot as plt # 加载并预处理图像 image_path = '1.jpeg' # 替换为实际图片路径 original_image = cv2.imread(image_path) / 255.0 # 将像素值缩放到 [0, 1] # 转换为二维数组 (H*W, 3)，其中 H 和 W 是高度和宽度 rows, cols, channels = original_image.shape pixel_values = original_image.reshape((rows * cols, channels)) # 设置参数 num_clusters = 3 # 假设要分成三个簇 max_iterations = 100 error_tolerance = 1e-5 # 使用 skfuzzy 的 cmeans 函数执行模糊 C-均值聚类 cntr, u, u0, d, jm, p, fpc = fuzz.cmeans( pixel_values.T, num_clusters, m=2, error=error_tolerance, maxiter=max_iterations) # 获取每个像素的最大隶属度对应的类别标签 cluster_membership = np.argmax(u, axis=0).reshape((rows, cols)) # 显示原始图像和分割后的结果 plt.figure(figsize=(12, 6)) plt.subplot(1, 2, 1), plt.title('Original Image'), plt.axis('off') plt.imshow(cv2.cvtColor(original_image, cv2.COLOR_BGR2RGB)) # 转换颜色空间以便显示正常 plt.subplot(1, 2, 2), plt.title(f'C-Means Segmented ({num_clusters} clusters)'), plt.axis('off') segmented_image = cluster_membership.copy().astype(np.float32) segmented_image /= segmented_image.max() # 归一化到 [0, 1] plt.imshow(segmented_image, cmap='gray') plt.show() ``` #### 关键说明 1. **输入图像**：加载 RGB 图像并将像素值归一化至 `[0, 1]`[^1]。 2. **重塑形状**：将三维图像转换成二维 `(height*width, 3)` 数组形式，便于后续计算。 3. **调用 `cmeans` 方法**：利用 `skfuzzy` 提供的功能完成模糊 C-均值聚类操作[^4]。 4. **可视化结果**：通过最大隶属度原则决定每个像素所属的类别，并绘制最终效果。 --- ###