### 实现聚类结果的不同颜色标记 为了在 OpenCV 中实现对聚类结果进行不同颜色标记，可以采用如下方法： #### 数据准备与预处理 首先加载待聚类的数据并对其进行必要的预处理。假设已经完成了一定形式的特征提取工作。 #### 使用KMeans聚类算法 利用 `cv2.kmeans` 函数来进行聚类操作。此函数能够接收输入数据矩阵，并返回簇中心、标签以及其他相关信息[^3]。 ```python import numpy as np import cv2 # 假设 data 是要被聚类的数据集, shape=(n_samples, n_features) criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 10, 1.0) flags = cv2.KMEANS_RANDOM_CENTERS compactness, labels, centers = cv2.kmeans(data.astype(np.float32), K=3, bestLabels=None, criteria=criteria, attempts=10, flags=flags) ``` #### 创建彩色图像用于展示聚类效果 创建一张空白画布作为背景图，在上面绘制各个点位的颜色代表所属类别。这里可以通过随机生成一组 RGB 颜色来区分不同的簇群。 ```python def get_colors(num_clusters): colors = [] for i in range(num_clusters): color = tuple([int(j) for j in np.random.randint(0, 255, size=3)]) colors.append(color) return colors num_clusters = len(set(labels.flatten())) colors = get_colors(num_clusters) canvas_width = int(max(data[:, 0]) * 1.2) canvas_height = int(max(data[:, 1]) * 1.2) image = np.zeros((canvas_height, canvas_width, 3), dtype=np.uint8) for idx, label in enumerate(labels): pt_x = int(data[idx][0]) pt_y = int(data[idx][1]) image = cv2.circle(image, center=(pt_x, pt_y), radius=2, color=colors[label[0]], thickness=-1) cv2.imshow('Cluster Visualization', image) cv2.waitKey(0) cv2.destroyAllWindows() ``` 上述代码片段展示了如何基于给定点坐标及其对应的聚类标签构建一幅带有色彩编码的二维散点图。对于每一个属于特定簇的点都赋予一种独特的颜色以便直观地区分它们之间差异。