KMeans2()函数能对图片进行聚类处理吗？

[crystal8700]

如题！我只找到KMeans2()函数对两个矩阵进行聚类处理的，我试着将图片作为处理对象，却不能成功。我自己的程序如下:
#include"stdafx.h"
#include"cxcore.h"
#include"highgui.h"
int main(int argc,char** argv)
{
cvNamedWindow("cluster",0);
IplImage* src=cvLoadImage("D:\\001.jpg",1);
IplImage* out=cvCreateImage(cvGetSize(src),IPL_DEPTH_32S,1);
CvRNG rng=cvRNG(0xffffffff);
int cluster_count=cvRandInt(&rng)%5+1;
cvKMeans2(src,cluster_count,out,cvTermCriteria(CV_TERMCRIT_EPS+CV_TERMCRIT_ITER,10,1.0));
cvShowImage("cluster",out);
cvWaitKey(0);
cvReleaseImage(&out);
cvDestroyWindow("cluster");
return 0;
}
运行时会出现如下错误提示：

[crystal8700]

[Quote=引用 4 楼 yzm888 的回复:]
我现在需要将一幅图像进行聚类处理
---------------------------------

具体想要怎样处理?

K Mean 只是一个算法,与图像没有关系
[/Quote]

谢谢！能不能说得具体一点！你的意思是说不能用KMeans()函数直接处理图像吗？
论文上写的two-means clustering method,是要将微生物图像进行聚类处理。我们希望可以直接用现成的函数处理，以免重新编程。

[验证码识别]

KMeans 只是一种聚类方法,无领域限制,当然可以用来处理图像

K Means 只是一个方法、一种思想, 就和 二分查找法一样

与具体实现无关，具体的实现要根据实际的需求定制（运用这种思想，写具体的代码）

[验证码识别]

你的意思是说不能用KMeans()函数直接处理图像吗？
--------------------------
除非这个KMeans()函数正好实现了你需要的功能

[crystal8700]

[Quote=引用 6 楼 yzm888 的回复:]
KMeans 只是一种聚类方法,无领域限制,当然可以用来处理图像

K Means 只是一个方法、一种思想, 就和 二分查找法一样

与具体实现无关，具体的实现要根据实际的需求定制（运用这种思想，写具体的代码）
[/Quote]
我们把论文上的算法思想与KMeans()函数对比，发现它正好能实现我们需要的功能。现在的问题是我们不知道怎么用它。

[验证码识别]

void cvKMeans2( const CvArr* samples, int cluster_count,
CvArr* labels, CvTermCriteria termcrit );
-------------------------------------------------
这个应该是一个通用的 函数

要使用这个函数的话,首先要理解K Mean,

然后要理解这些参数,然后构造这些参数(把图象信息转换为这些参数)

[xiuxianshen]

贴错误原因，你的图挂了

[xiuxianshen]

KMeans2
按照给定的类别数目对样本集合进行聚类

void cvKMeans2( const CvArr* samples, int cluster_count,
CvArr* labels, CvTermCriteria termcrit );
samples
输入样本的浮点矩阵，每个样本一行。
cluster_count
所给定的聚类数目
labels
输出整数向量：每个样本对应的类别标识
termcrit
指定聚类的最大迭代次数和／或精度（两次迭代引起的聚类中心的移动距离）
函数 cvKMeans2 执行 k-means 算法 搜索 cluster_count 个类别的中心并对样本进行分类，输出 labels(i) 为样本 i 的类别标识。

例子. 用 k-means 对高斯分布的随机样本进行聚类

#include "cxcore.h"
#include "highgui.h"

int main( int argc, char** argv )
{
    #define MAX_CLUSTERS 5
    CvScalar color_tab[MAX_CLUSTERS];
    IplImage* img = cvCreateImage( cvSize( 500, 500 ), 8, 3 );
    CvRNG rng = cvRNG(0xffffffff);
    
    color_tab[0] = CV_RGB(255,0,0);
    color_tab[1] = CV_RGB(0,255,0);
    color_tab[2] = CV_RGB(100,100,255);
    color_tab[3] = CV_RGB(255,0,255);
    color_tab[4] = CV_RGB(255,255,0);

    cvNamedWindow( "clusters", 1 );

    for(;;)
    {
        int k, cluster_count = cvRandInt(&rng)%MAX_CLUSTERS + 1;
        int i, sample_count = cvRandInt(&rng)%1000 + 1;
        CvMat* points = cvCreateMat( sample_count, 1, CV_32FC2 );
        CvMat* clusters = cvCreateMat( sample_count, 1, CV_32SC1 );

        /* generate random sample from multigaussian distribution */
        for( k = 0; k < cluster_count; k++ )
        {
            CvPoint center;
            CvMat point_chunk;
            center.x = cvRandInt(&rng)%img->width;
            center.y = cvRandInt(&rng)%img->height;
            cvGetRows( points, &point_chunk, k*sample_count/cluster_count,
                       k == cluster_count - 1 ? sample_count : (k+1)*sample_count/cluster_count );
            cvRandArr( &rng, &point_chunk, CV_RAND_NORMAL,
                       cvScalar(center.x,center.y,0,0),
                       cvScalar(img->width/6, img->height/6,0,0) );
        }

        /* shuffle samples */
        for( i = 0; i < sample_count/2; i++ )
        {
            CvPoint2D32f* pt1 = (CvPoint2D32f*)points->data.fl + cvRandInt(&rng)%sample_count;
            CvPoint2D32f* pt2 = (CvPoint2D32f*)points->data.fl + cvRandInt(&rng)%sample_count;
            CvPoint2D32f temp;
            CV_SWAP( *pt1, *pt2, temp );
        }

        cvKMeans2( points, cluster_count, clusters,
                   cvTermCriteria( CV_TERMCRIT_EPS+CV_TERMCRIT_ITER, 10, 1.0 ));

        cvZero( img );

        for( i = 0; i < sample_count; i++ )
        {
            CvPoint2D32f pt = ((CvPoint2D32f*)points->data.fl)[i];
            int cluster_idx = clusters->data.i[i];
            cvCircle( img, cvPointFrom32f(pt), 2, color_tab[cluster_idx], CV_FILLED );
        }

        cvReleaseMat( &points );
        cvReleaseMat( &clusters );

        cvShowImage( "clusters", img );

        int key = cvWaitKey(0);
        if( key == 27 ) // 'ESC'
            break;
    }
}

[crystal8700]

谢谢楼上的帖子！你提供的资料正是我一直在研究的，那个程序看了好久也不是很懂！我现在需要将一幅图像进行聚类处理，例如:IplImage* src=cvLoadImage("D:\\001.jpg",0);现在我再定义一幅图像用于存放聚类后的结果：IplImage* dst=cvCreateImage(cvGetSize(src),IPL_DEPTH_8U,1);然后我想直接将src和dst作为KMeans2()的参数，即：cvKMeans2(src,cluster_count,dst,termcrit);但是运行的结果显示这样做是不行的。谁能帮我分析一下我的想法错在哪里？
另外，我今天第一次在这上面发帖，我想将运行时错误提示的图片传上来，为什么传不上来呢？

[验证码识别]

我现在需要将一幅图像进行聚类处理
---------------------------------

具体想要怎样处理?

K Mean 只是一个算法,与图像没有关系

[crystal8700]

[Quote=引用 9 楼 yzm888 的回复:]
void cvKMeans2( const CvArr* samples, int cluster_count,
CvArr* labels, CvTermCriteria termcrit );
-------------------------------------------------
这个应该是一个通用的 函数

要使用这个函数的话,首先要理解K Mean,

然后要……
[/Quote]
谢谢你的回帖！我想我现在的问题就是没法构造这些参数吧～我再下去看看！

[goup000]

crystal8700
我在毕业设计中遇到了和您一样的问题，已经纠结很长时间了，可以问一下您 的问题怎么解决的吗？谢谢了。如果有程序的话可以发给我吗？[e-mail]