KMeans方法概述

    . 无监督学习方法

    . 分类问题，输入分类数目，初始化中心位置

    . 硬分类方法，以距离度量

    . 迭代分类为聚类

//----------

//迭代算法的终止准则

//----------

TermCriteria(

　　int type,

　　　　 //type=TermCriteria::MAX_ITER/TermCriteria::COUNT  迭代到最大迭代次数终止

    　　//type= TermCriteria::EPS   迭代到阈值终止

    　　//type= TermCriteria::MAX_ITER+ TermCriteria::EPS 上述两者都作为迭代终止条件

　　int maxCount,    //迭代的最大次数

　　double epsilon    // 阈值(中心位移值)

);

//----------

//按照给定的类别数目对样本集合进行聚类

//----------

void cvKMeans2(

　　const CvArr* samples, 　　//输入样本的浮点矩阵，每个样本一行。

　　int cluster_count, 　　　　//所给定的聚类数目

　　CvArr* labels, 　　　　　　//输出整数向量：每个样本对应的类别标识

　　CvTermCriteria 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）

)

#include <opencv2/opencv.hpp>

#include <iostream>

using namespace cv;

using namespace std;

int main(int argc, char** argv) {

    Mat img(, , CV_8UC3);

    RNG rng();

    //scalar是将图像设置成单一灰度和颜色

    Scalar colorTab[] = {

        Scalar(, , ),

        Scalar(, , ),

        Scalar(, , ),

        Scalar(, , ),

        Scalar(, , )

    };

    //分类个数

    int numCluster = rng.uniform(, );

    printf("number of clusters : %d\n", numCluster);

    //取10-100个随机样本

    int sampleCount = rng.uniform(, );

    //每一列至少两个数

    Mat points(sampleCount, , CV_32FC2);

    Mat labels;

    Mat centers;

    // 生成随机数

    for (int k = ; k < numCluster; k++) {

        Point center;

        center.x = rng.uniform(, img.cols);

        center.y = rng.uniform(, img.rows);

        //行，给随机点

        Mat pointChunk = points.rowRange(k*sampleCount/numCluster, k == numCluster -  ? sampleCount : (k + )*sampleCount / numCluster);

        //用随机数填充矩阵

        rng.fill(pointChunk, RNG::NORMAL, Scalar(center.x, center.y), Scalar(img.cols*0.05, img.rows*0.05));

    }

    //算法打乱元素排列顺序

    randShuffle(points, , &rng);

    // 使用KMeans

    kmeans(points, numCluster, labels, TermCriteria(TermCriteria::EPS + TermCriteria::COUNT, , 0.1/*最小值*/), /*次数*/, KMEANS_PP_CENTERS, centers);

    // 用不同颜色显示分类

    //初始化图片颜色。

    img = Scalar::all();

    for (int i = ; i < sampleCount; i++) {

        int index = labels.at<int>(i);

        //获取ponint点

        Point p = points.at<Point2f>(i);

        //填充

        circle(img, p, , colorTab[index], -, );

    }

    // 每个聚类的中心来绘制圆

    for (int i = ; i < centers.rows; i++) {

        int x = centers.at<float>(i, );

        int y = centers.at<float>(i, );

        printf("c.x= %d, c.y=%d", x, y);

        circle(img, Point(x, y), , colorTab[i], , LINE_AA);

    }

    imshow("KMeans-Data-Demo", img);

    waitKey();

    return ;

}