Примечание
Перейти в конец, чтобы скачать полный код примера или запустить этот пример в браузере через JupyterLite или Binder.
Демонстрация структурной иерархической кластеризации Уорда на изображении монет
Вычисление сегментации 2D-изображения с помощью иерархической кластеризации Уорда. Кластеризация имеет пространственные ограничения, чтобы каждая выделенная область состояла из одного связного фрагмента.
# Authors: The scikit-learn developers # SPDX-License-Identifier: BSD-3-Clause
Генерация данных
from skimage.data import coins orig_coins = coins()
Чтобы ускорить обработку, уменьшим изображение до 20% от исходного размера. Применение фильтра Гаусса для сглаживания перед уменьшением размера позволяет сократить артефакты наложения спектров.
import numpy as np
from scipy.ndimage import gaussian_filter
from skimage.transform import rescale
smoothened_coins = gaussian_filter(orig_coins, sigma=2)
rescaled_coins = rescale(
smoothened_coins,
0.2,
mode="reflect",
anti_aliasing=False,
)
X = np.reshape(rescaled_coins, (-1, 1))
Определение структуры данных
Пиксели связаны со своими соседями.
from sklearn.feature_extraction.image import grid_to_graph connectivity = grid_to_graph(*rescaled_coins.shape)
Вычисление кластеризации
import time as time
from sklearn.cluster import AgglomerativeClustering
print("Compute structured hierarchical clustering...")
st = time.time()
n_clusters = 27 # number of regions
ward = AgglomerativeClustering(
n_clusters=n_clusters, linkage="ward", connectivity=connectivity
)
ward.fit(X)
label = np.reshape(ward.labels_, rescaled_coins.shape)
print(f"Elapsed time: {time.time() - st:.3f}s")
print(f"Number of pixels: {label.size}")
print(f"Number of clusters: {np.unique(label).size}")
Compute structured hierarchical clustering... Elapsed time: 0.158s Number of pixels: 4697 Number of clusters: 27
Отображение результатов на изображении
Агломеративная кластеризация позволяет сегментировать каждую монету, однако нам пришлось задать n_cluster большее число, чем количество монет, поскольку при сегментации в фоне выделяется большая область.
import matplotlib.pyplot as plt
plt.figure(figsize=(5, 5))
plt.imshow(rescaled_coins, cmap=plt.cm.gray)
for l in range(n_clusters):
plt.contour(
label == l,
colors=[
plt.cm.nipy_spectral(l / float(n_clusters)),
],
)
plt.axis("off")
plt.show()
Общее время выполнения скрипта: (0 минут 0.317 секунды)
Связанные примеры
© 2007–2026 The scikit-learn developers
Licensed under the 3-clause BSD License.
https://scikit-learn.org/1.9/auto_examples/cluster/plot_coin_ward_segmentation.html
