///利用opencv提供的函数cvKMeans2()实现图像聚类
///////执行环境：VC6.0+opencv1.0
///////////////使用的时候。改变flag的初始值，就可以实现对灰度图、彩色图基于色彩的聚类，以及依据位置和色彩对彩色图像聚类。
////////////////最后结果显示的时候请注意pResult 和pResult3
#include "cv.h"
#include "cxcore.h"
#include "highgui.h"
#include "cvaux.h"
#define nClusters 6
int main( )
{
IplImage* img = cvLoadImage("lena.jpg", 1);//
IplImage* pResult = cvCreateImage(cvSize(img->width, img->height), IPL_DEPTH_8U, 1 );
IplImage* pResult3 = cvCreateImage(cvSize(img->width, img->height), IPL_DEPTH_8U, 3 );
if(img==NULL)
return 0;
CvScalar color_tab[6];
color_tab[0] = CV_RGB(255,0,0);///给5中颜色分别赋值
color_tab[1] = CV_RGB(0,255,0);
color_tab[2] = CV_RGB(0,0,255);
color_tab[3] = CV_RGB(255,0,255);
color_tab[4] = CV_RGB(255,255,0);
color_tab[5] = CV_RGB(255,0,255);
CvMat* samples;
CvMat* clusters;
int flag=2;///0——灰度 1——彩色 2——位置+彩色
switch(flag)
{
case 0:///Gray
{
IplImage* pImg=cvCreateImage(cvSize(img->width, img->height), IPL_DEPTH_8U, 1 );
cvCvtColor(img, pImg, CV_BGR2GRAY);
assert(pImg != NULL&& pImg->nChannels== 1);
//创建样本矩阵。CV_32FC1代表位浮点通道（灰度图像）
samples = cvCreateMat((pImg->width)* (pImg->height),1, CV_32FC1);
//创建类别标记矩阵，CV_32SF1代表位整型通道
clusters = cvCreateMat((pImg->width)* (pImg->height),1, CV_32SC1);
//创建类别中心矩阵
// CvMat*centers = cvCreateMat(nClusters, 1, CV_32FC1);
// 将原始图像转换到样本矩阵
{
int k = 0;
CvScalar s;
for(int i = 0; i < pImg->width; i++)
{
for(int j=0;j < pImg->height; j++)
{
s.val[0] = (float)cvGet2D(pImg, j, i).val[0];
cvSet2D(samples,k++, 0, s);
}
}
}
//開始聚类。迭代次。终止误差1.0
cvKMeans2(samples, nClusters,clusters, cvTermCriteria(CV_TERMCRIT_ITER + CV_TERMCRIT_EPS,100, 1.0));
// 无需排序直接输出时
int sortFlag = 0;
if (sortFlag == 0)
{
int k = 0;
int val = 0;
float step = 255 / ((float)nClusters - 1);
CvScalar s;
for(int i = 0; i < pImg->width; i++)
{
for(int j = 0;j < pImg->height; j++)
{
val = (int)clusters->data.i[k++];
s.val[0] = 255- val * step;//这个是将不同类别取不同的像素值
cvSet2D(pResult,j, i, s); //将每一个像素点赋值
}
}
}
printf( "Gray Image\n");
cvNamedWindow( "src", 1 );
cvShowImage( "src", pImg );
//释放图像内存资源
cvReleaseImage(&pImg);
break;
}//case0
case 1:///RGB
{
assert(img != NULL&& pResult != NULL);
assert(img->nChannels== 3 && pResult->nChannels == 1);
samples=cvCreateMat((img->width)*(img->height),1,CV_32FC3);//创建样本矩阵，CV_32FC3代表位浮点通道（彩色图像）
clusters=cvCreateMat((img->width)*(img->height),1,CV_32SC1);//创建类别标记矩阵，CV_32SF1代表位整型通道
int i,j,k=0;
for (i=0;i<img->width;i++)
{
for(j=0;j<img->height;j++)
{
CvScalar s;
//获取图像各个像素点的三通道值（RGB）
s.val[0]=(float)cvGet2D(img,j,i).val[0];
s.val[1]=(float)cvGet2D(img,j,i).val[1];
s.val[2]=(float)cvGet2D(img,j,i).val[2];
cvSet2D(samples,k++,0,s);//将像素点三通道的值按顺序排入样本矩阵
}
}
//cvTermCriteria(CV_TERMCRIT_ITER,100,1.0)
cvKMeans2(samples,nClusters,clusters,cvTermCriteria( CV_TERMCRIT_EPS+CV_TERMCRIT_ITER, 100, 1.0 ));//開始聚类，迭代次，终止误差1.0
k=0;
int val=0;
float step=255/(nClusters-1);
for (i=0;i<img->width;i++)
{
for(j=0;j<img->height;j++)
{
val=(int)clusters->data.i[k++];
CvScalar s;
s.val[0]=255-val*step;//这个是将不同类别取不同的像素值
cvSet2D(pResult3,j,i,color_tab[val]); //将每一个像素点赋值
}
}
printf( "RGB Image\n");
cvNamedWindow( "src", 1 );
cvShowImage( "src", img );
break;
}//case1
case 2:///Position+RGB
{
assert(img != NULL&& pResult != NULL);
assert(img->nChannels== 3 && pResult->nChannels == 1);
samples=cvCreateMat((img->width)*(img->height),5,CV_32FC1);//创建样本矩阵，CV_32FC3代表位浮点通道（彩色图像）
clusters=cvCreateMat((img->width)*(img->height),1,CV_32SC1);//创建类别标记矩阵，CV_32SF1代表位整型通道
int i=0,j,k=0;
int x,y;
float *data = samples->data.fl;
int matcol = samples->cols;
int step1 = samples->step/sizeof(float);
for (x=0;x<img->width;x++)
{
for(y=0;y<img->height;y++)
{
// CvScalar s;
//获取图像各个像素点的三通道值（RGB）
// s.val[0]=(float)cvGet2D(img,y,x).val[0];
// s.val[1]=(float)cvGet2D(img,y,x).val[1];
// s.val[2]=(float)cvGet2D(img,y,x).val[2];
// cvSet2D(samples,k++,0,s);//将像素点三通道的值按顺序排入样本矩阵
data[i*matcol+0] = (float)x;
data[i*matcol+1] = (float)y;
data[i*matcol+2] = (float)cvGet2D(img,y,x).val[0];///cvGet2D(img,j,i).val[0];
data[i*matcol+3] = (float)cvGet2D(img,y,x).val[1];
data[i*matcol+4] = (float)cvGet2D(img,y,x).val[2];
i++;
}
}
//cvTermCriteria(CV_TERMCRIT_ITER,100,1.0)
cvKMeans2(samples,nClusters,clusters,cvTermCriteria( CV_TERMCRIT_EPS+CV_TERMCRIT_ITER, 100, 1.0 ));//開始聚类，迭代次，终止误差1.0
k=0;
int val=0;
float step=255/(nClusters-1);
for (i=0;i<img->width;i++)
{
for(j=0;j<img->height;j++)
{
val=(int)clusters->data.i[k++];
CvScalar s;
s.val[0]=255-val*step;//这个是将不同类别取不同的像素值
cvSet2D(pResult,j,i,s); //将每一个像素点赋值
}
}
printf( "Positon+RGB Result\n");
cvNamedWindow( "src", 1 );
cvShowImage( "src", img );
break;
}//case2
}//switch
cvSaveImage("kmeansResult.jpg",pResult); //存储结果
cvNamedWindow( "result", 1 );cvMoveWindow("result",600,50);
cvShowImage( "result", pResult );
cvWaitKey(0);
//释放矩阵内存资源
cvReleaseMat(&samples);
cvReleaseMat(&clusters);
//释放图像内存资源
cvReleaseImage( &img);
cvReleaseImage( &pResult);
cvReleaseImage( &pResult3);
//释放窗体内存资源
cvDestroyWindow("src");
cvDestroyWindow("result");
return 1;
}
【
