使用k均值在图像之间标记0和1

Question

我有两个数组，X和Y，我想用k-means确定像素在图像X和Y之间的位置变化。

我可以简单地在它们之间做出改变并说：零在哪里，没有改变，哪里大于零：改变了。但我的要求是使用k-means这样做。

说，我有以下图像：

imX = np.array([
    [154, 157, 157, 157, 150, 150, 170, 170, 175, 190],
    [154, 157, 157, 151, 153, 155, 180, 180, 170, 190],
    [154, 157, 150, 154, 160, 160, 160, 155, 155, 165],
    [157, 157, 148, 148, 148, 160, 150, 155, 155, 165],
    [100, 102, 104, 157, 142, 180, 170, 165, 10, 20],
    [100, 103, 105, 165, 155, 180, 175, 162, 40, 50],
    [100, 102, 108, 132, 180, 180, 172, 167, 25, 63],
    [18, 28, 48, 12, 13, 20, 5, 15, 30, 40],
    [15, 36, 46, 18, 21, 22, 28, 32, 30, 36],
    [17, 21, 24, 26, 35, 45, 28, 30, 40, 20]
])

imY = np.array([
    [152, 156, 157, 156, 149, 150, 170, 160, 175, 190],
    [154, 159, 157, 151, 153, 155, 180, 180, 170, 190],
    [153, 157, 155, 154, 160, 160, 160, 155, 155, 165],
    [157, 157, 148, 148, 148, 160, 150, 155, 155, 165],
    [101, 102, 104, 159, 143, 180, 170, 165, 110, 220],
    [99, 103, 105, 164, 155, 179, 175, 162, 240, 250],
    [100, 102, 108, 132, 180, 180, 172, 167, 155, 163],
    [118, 123, 148, 129, 109, 120, 155, 215, 140, 180],
    [156, 136, 210, 218, 175, 122, 128, 232, 180, 156],
    [178, 231, 245, 226, 215, 145, 188, 230, 170, 140],
])

因此，使用k-means执行此操作，我被要求对数据进行标准化，即两个图像之间的归一化差异：

diff = abs(imX-imY)
normDiff = (diff - diff.min()) / (diff.max() - diff.min())

现在，我不知道如何使用sklearn的k-means来标记更改为1和0的像素值，否则，来自社区的任何线索？

我探索了.labels_和.cluster_centers，当模型适合标准化的图像差异但没有帮助时。任何提示？

Answer 1

我认为这不是一个很好的任务......

无论如何，这个想法可能是将变化量化为两个区间。所有差异都是平坦的（n，1）数据集（n = h * w）。运行k-means，k = 2得到标签。选择平均值较大的标签为1，另一个标记为0.获取标签数组并将其重新整形为（w，h）以获取2d图像。应该非常简单。