大家好,我是辣條肢础。
最近在學習算法,今天給大家?guī)硪粋€機器學習實戰(zhàn)小項目
項目效果展示
學習目標
1.cv2轉換圖片數據
2.numpy提取圖片矩陣數據
3.k均值算法獲取圖片的分類
工具使用
開發(fā)工具: pycharm
開發(fā)環(huán)境: Windows10碌廓,Python3.7
使用工具包: cv2传轰,numpy
項目準備
- 你所需要轉換對應的圖片 -cv2的工具包的下載: pip install opencv-python
CV2是什么意思
CV2指的是OpenCV2,OpenCV是一個基于BSD許可(開源)發(fā)行的跨平臺計算機視覺庫copy谷婆,可以運行在Linux慨蛙、Windows、Android和Mac OS操作系統上纪挎。它輕量級而且高效——由一系列 C 函數和少量 C++ 類構成期贫,同時提供了Python、Ruby异袄、MATLAB等語言的接口通砍,實現了圖像處理和計算機視覺方面的很多通用算法。
OpenCV 擁有包括 500 多個C函數的跨平臺的中烤蜕、百高層 API封孙。它不依賴于其它的外部庫——盡管也可以使用某些外部庫。
項目思路解析
首先準備需要處理的圖片
利用opencv讀取對應的圖片數據
- 讀取圖片
fp = r"1.jpg"
img = cv2.imread(fp)
print(img.shape)
讀取的數據返回的是矩陣元組數據分別是(高度讽营, 寬度虎忌,通道數)
- 將圖片轉換成灰度 -通過黑白兩種顏色來區(qū)分圖片顏色的深淺 -利用kmeans算法進行區(qū)分畫點
height, width, *_ = frame.shape
frame_gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
frame_array = np.float32(frame_gray.reshape(-1))
compactness, labels, centroids = cv2.kmeans(frame_array, K, None, (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 10, 1.0), 10, cv2.KMEANS_RANDOM_CENTERS)
kmeans:返回三個參數 compactness:緊密度,返回每個點到相應重心的距離的平方和 labels:結果標記橱鹏,每個成員被標記為分組的序號膜蠢,如 0,1,2,3,4...等 centers:由聚類的中心組成的數組
- 將的到的對應的中心點進行排序 -0最暗堪藐, 分類的多少是由自己決定的 -排序之后在將對應的圖片相素點跟換成中心點的分類 -就能得到圖片對應的顏色深淺關系 -顏色暗的用字符代替 -顏色淺的可以跟換成空白,或者橫桿 -提現出顏色的差距感 -替換之后在將其放入到新的畫布 -拼接成新的圖片(注意圖片的縮放比列)
簡易源碼分享
import cv2
import random
import numpy as np
def img2strimg(frame, K=3):
height, width, *_ = frame.shape
frame_gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
# 轉換數據類型挑围,一列顯示
frame_array = np.float32(frame_gray.reshape(-1))
compactness, labels, centroids = cv2.kmeans(frame_array, K, None, (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 10, 1.0), 10, cv2.KMEANS_RANDOM_CENTERS)
centroids = np.uint8(centroids) # 轉換成整形
# labels的數個矩心以隨機順序排列礁竞,所以需要簡單處理矩心.
# 返回一個折疊成一維的數組
centroids = centroids.flatten()
# 排序
centroids_sorted = sorted(centroids)
# 獲得不同centroids的明暗程度,0最暗
centroids_index = np.array([centroids_sorted.index(value) for value in centroids])
bright = [abs((3 * i - 2 * K) / (3 * K)) for i in range(1, 1 + K)]
bright_bound = bright.index(np.min(bright))
shadow = [abs((3 * i - K) / (3 * K)) for i in range(1, 1 + K)]
shadow_bound = shadow.index(np.min(shadow))
labels = labels.flatten()
# 將labels轉變?yōu)閷嶋H的明暗程度列表贪惹,0最暗苏章。
labels = centroids_index[labels]
labels_picked = [labels[rows * width:(rows + 1) * width:2] for rows in range(0, height, 2)]
canvas = np.zeros((3 * height, 3 * width, 3), np.uint8)
canvas.fill(255) # 創(chuàng)建長寬為原圖三倍的白色畫布。
y = 0
for rows in labels_picked:
x = 0
for cols in rows:
if cols <= shadow_bound:
cv2.putText(canvas, str(random.randint(2, 9)), (x, y), cv2.FONT_HERSHEY_PLAIN, 0.45, 0.1)
elif cols <= bright_bound:
cv2.putText(canvas, "-", (x, y),cv2.FONT_HERSHEY_PLAIN, 0.4, 0, 1)
x += 6
y += 6
return canvas
if __name__ == '__main__':
fp = r"1.jpg"
img = cv2.imread(fp)
print(img)
str_img = img2strimg(img)
cv2.imwrite("result.jpg", str_img)