看我如何做图像分割基于模式识别系统的设计与实现"/>
看我如何做图像分割基于模式识别系统的设计与实现
图像分割基于模式识别系统的设计与实现
1.1 题目的主要研究内容
- 工作的主要描述
选择任意图片,通过提取的纹理特征、结合像素值与坐标的mean shift、K-means聚类进行图像分割
(2)系统流程图
1.2 题目研究的工作基础或实验条件
- 硬件环境
电脑PC端 Win10
- Python语言
Python语言
1.3 数据集描述
图像分割图片来源于网上图片皮卡丘进行图片分割
1.4 特征提取过程描述
颜色特征提取
颜色集是对颜色直方图的一种近似首先将图像从 RGB颜色空间转化成视觉均衡的颜色空间 HSV 空间,并将颜色空间量化成若干个柄。然后,用色彩自动分割技术将图像分为若干区域,每个区域用量化颜色空间的某个颜色分量来索引,从而将图像表达为一个二进制的颜色索引集。在图像匹配中,比较不同图像颜色集之间的距离和色彩区域的空间关系。
1.5 分类过程描述
对图像K-means进行聚类分析,根据当前聚类中心,利用选定的度量方式,分类所用的样本点,计算当前每一类的样本均值点,作为下次迭代聚类中心,计算下一次迭代的聚类中心与当前聚类中心的差距,如果差距小于给定迭代阈值,迭代结束。
data: 需要分类数据,每个特征放一列。
K: 聚类个数
bestLabels:预设的分类标签或者None
criteria:迭代停止的模式选择,这是一个含有三个元素的元组型数。格式为(type, max_iter, epsilon) 其中,type有如下模式:
cv2.TERM_CRITERIA_EPS :精确度(误差)满足epsilon,则停止。
cv2.TERM_CRITERIA_MAX_ITER:迭代次数超过max_iter,则停止。
cv2.TERM_CRITERIA_EPS+cv2.TERM_CRITERIA_MAX_ITER:两者结合,满足任意一个结束。
attempts:重复试验kmeans算法次数,将会返回最好的一次结果
1.6 主要程序代码(要求必须有注释).
(1)纹理特征提取和进行图像分割
import cv2 as cv
import numpy as np</
更多推荐
看我如何做图像分割基于模式识别系统的设计与实现
发布评论