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"/>

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

1. 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

1. 硬件环境

电脑PC端 Win10

1. 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</