Python中的聚类-图像聚类

Question

我想使用K均值或其他算法对图像进行聚类(建议需要)。

问题是这样的-我想把图像聚成3组(自然，日落，水)。我使用os.listdir()加载所有图像，然后将所有图像转换为数组(RGB)，然后创建一个数据框架，其中包含三个列- ID、Image_array、Label。

现在，当我使用K均值聚类(提供n_clusters = 3 )时，它显示了以下错误：

从sklearn.cluster导入KMeans = KMeans(n_clusters = 3).fit(img_array)错误=找到带有dim 4的数组。估计器期望<= 2。

现在，在这个集群问题上，我需要您的帮助。我创建的数据框架如下所示

​

img_array = []

path = "C://Users/shivam/Desktop/freelancer/p22/data/green_nature/"
for f in os.listdir('.'):
    if f.endswith('.jpg'):
        img = Image.open(f)
        data = np.asarray(img, dtype='uint8')
        img_array.append(data)


df = pd.DataFrame({'image_arrays':img_array})
df['id'] = range(1, len(df) + 1)

Answer 1

就像你说的，k-指的是每个输入的向量，而你提供的是每个图像的三维数组。解决这样一个问题(确实需要一些创造性)的最简单的方法是设计一组为您所拥有的类指定的特性。

既然在这种情况下，你想在大自然(罗得的o‘绿色)，水(罗得的o’蓝色)和日落(罗得的o‘读/黄色/粉红色可能？)之间分类？您可以使用总值或平均绿色、蓝色和红色值。若要检查所选的特征是否具有区分性，可以绘制直方图。

从4D (图像x宽度x高度x颜色)数组到2D (图像x平均颜色)数组。你需要把np.mean的颜色，高度和宽度缩小。最后，您应该有一个(图像x3(颜色))数组。

Answer 2

之所以会发生这种情况，是因为您传递了4-DINE数组，而2-DINE则是预期的。'img_array.shape‘应该是这样(n_samples，n_features)。您需要使用特征提取算法。

这可以通过科学图像模块来完成。您需要将图像转换为灰度格式。代码：

import skimage.feature as feature
img_converted = []
for i in range(len(img_array)):
    img_converted.append(feature.hog(img_array[i]))
model.fit(np.array(img_converted))

文档：http://scikit-image.org/docs/dev/api/skimage.feature.html#hog