Я пытался достичь аналогичных результатов с этим MATLAB code , который дает мне результат, который я ищу, однако, я пытаюсь достичь этого с помощью OpenCV 3 + Python.сегментация изображений с использованием kmeans clustering python opencv
Вот подобная реализация в OpenCV 3 + Python:
import cv2
import numpy as np
class Segment:
def __init__(self,segments=5):
#define number of segments, with default 5
self.segments=segments
def kmeans(self,image):
image=cv2.GaussianBlur(image,(7,7),0)
vectorized=image.reshape(-1,3)
vectorized=np.float32(vectorized)
criteria=(cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 10, 1.0)
ret,label,center=cv2.kmeans(vectorized,self.segments,None,criteria,10,cv2.KMEANS_RANDOM_CENTERS)
res = center[label.flatten()]
segmented_image = res.reshape((image.shape))
return label.reshape((image.shape[0],image.shape[1])),segmented_image.astype(np.uint8)
def extractComponent(self,image,label_image,label):
component=np.zeros(image.shape,np.uint8)
component[label_image==label]=image[label_image==label]
return component
if __name__=="__main__":
import argparse
import sys
ap = argparse.ArgumentParser()
ap.add_argument("-i", "--image", required = True, help = "Path to the image")
ap.add_argument("-n", "--segments", required = False, type = int,
help = "# of clusters")
args = vars(ap.parse_args())
image=cv2.imread(args["image"])
if len(sys.argv)==3:
seg = Segment()
label,result= seg.kmeans(image)
else:
seg=Segment(args["segments"])
label,result=seg.kmeans(image)
cv2.imshow("segmented",result)
result=seg.extractComponent(image,label,2)
cv2.imshow("extracted",result)
cv2.waitKey(0)
Что я ищу является возможность извлечь сам по себе и прямоугольник вокруг него само по себе, а фон сам по себе, так что я могу манипулировать их отдельно.
Здесь вы можете увидеть исходное изображение + токовый выход + желаемый результат:
Любая идея, как я могу добиться этого?