前言

kmeans算法主要用来实现自动聚类，是一种非监督的机器学习算法，使用非常广泛。在opencv3.0中提供了这样一个函数，直接调用就能实现自动聚类，非常方便。

API介绍

double kmeans(InputArray data, int K, InputOutputArray bestLabels, TermCriteria criteria, int attempts, int flags, OutputArray centers=noArray() )

参数说明：

data:  需要自动聚类的数据，一般是一个Mat。浮点型的矩阵，每行为一个样本。

---

k: 取成几类，比较关键的一个参数。

---

bestLabels:  返回的类别标记,整型数字。

---

criteria: 算法结束的标准，获取期望精度的迭代最大次数

---

attempts:  判断某个样本为某个类的最少聚类次数，比如值为3时，则某个样本聚类3次都为同一个类，则确定下来。

---

flags:  确定簇心的计算方式。有三个值可选：KMEANS_RANDOM_CENTERS 表示随机初始化簇心。KMEANS_PP_CENTERS 表示用kmeans++算法来初始化簇心（没用过），KMEANS_USE_INITIAL_LABELS 表示第一次聚类时用用户给定的值初始化聚类，后面几次的聚类，则自动确定簇心。

---

centers: 用来初始化簇心的。与前一个flags参数的选择有关。如果选择KMEANS_RANDOM_CENTERS随机初始化簇心，则这个参数可省略。

---

代码演示

我们再新建一个项目名为opencv--kmeans，按照配置属性(VS2017配置OpenCV通用属性),然后在源文件写入#include和main方法.

首先定义一个颜色数组用于后面分割图像用

获取源图像的宽度，高度以及颜色的通道数

定义KMeans方法用到的初始值

将源图上的RGB数据转换为样本数据

运行KMeans进行图像分割

将分割结果重新绘制到新的Mat里

显示结果

---

接下来我们看一下运行的效果

上面可以看到我们完美的把背景和我们的人物分割开了。

---

-END-

长按下方二维码关注微卡智享