我正在尝试写一袋功能系统图像识别系统。该算法的第一步是获取大量的小图像补丁(例如7x7或11x11像素),然后尝试将它们聚类为看起来相似的组。我从图像中获取补丁,将其转换为灰度浮点图像补丁,然后尝试获取cvKMeans2为我聚类。我认为我在格式化输入数据以至于KMeans2返回一致结果时遇到问题。之前,我曾将KMeans用于2D和3D聚类,但49D聚类似乎是另一回事。

我一直在获取返回的簇 vector 的垃圾值,因此显然这是垃圾输入/垃圾输出类型的问题。另外,对于如此庞大的数据集,该算法的运行速度比我认为的要快。

在简单的memcpy下面的代码中,这只是我最近一次尝试以正确的格式获取输入数据,我花了一段时间使用内置的OpenCV函数,但是当您的基本类型为CV_32FC(49)时,这很困难。

OpenCV 1.1的KMeans算法可以支持这种高维分析吗?

有人知道从图像复制到K-Means输入矩阵的正确方法吗?

有人可以指出我可以使用的免费的非GPL KMeans算法吗?

这不是最好的代码,因为我只是想立即使事情工作:

    std::vector<int> DoKMeans(std::vector<IplImage *>& chunks){
 // the size of one image patch, CELL_SIZE = 7
 int chunk_size = CELL_SIZE*CELL_SIZE*sizeof(float);
 // create the input data, CV_32FC(49) is 7x7 float object (I think)
 CvMat* data = cvCreateMat(chunks.size(),1,CV_32FC(49) );


 // Create a temporary vector to hold our data
 // we'll copy into the matrix for KMeans
 int rdsize = chunks.size()*CELL_SIZE*CELL_SIZE;
 float * rawdata = new float[rdsize];

 // Go through each image chunk and copy the
 // pixel values into the raw data array.
 vector<IplImage*>::iterator iter;
 int k = 0;
 for( iter = chunks.begin(); iter != chunks.end(); ++iter )
 {

  for( int i =0; i < CELL_SIZE; i++)
  {
   for( int j=0; j < CELL_SIZE; j++)
   {
    CvScalar val;
    val = cvGet2D(*iter,i,j);
    rawdata[k] = (float)val.val[0];
    k++;
   }

  }
 }

 // Copy the data into the CvMat for KMeans
 // I have tried various methods, but this is just the latest.
 memcpy( data->data.ptr,rawdata,rdsize*sizeof(float));

 // Create the output array
 CvMat* results = cvCreateMat(chunks.size(),1,CV_32SC1);

 // Do KMeans
 int r = cvKMeans2(data, 128,results, cvTermCriteria(CV_TERMCRIT_EPS+CV_TERMCRIT_ITER, 1000, 0.1));

 // Copy the grouping information to our output vector
 vector<int> retVal;
 for( int y = 0; y < chunks.size(); y++ )
 {
  CvScalar cvs = cvGet1D(results, y);
  int g =  (int)cvs.val[0];
  retVal.push_back(g);
 }

 return retVal;}

提前致谢!

最佳答案

尽管我不熟悉“功能包”,但您是否考虑过使用拐角检测器和SIFT等功能点?

关于c++ - 高维空间中的OpenCV 1.1 K-Means聚类,我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/3128116/

10-09 06:02
查看更多