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?
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。