k-means聚類中心？

Question

我有一個96x96像素的灰度面部圖像。我試圖找到眼睛中心和嘴角。我在面部圖像上應用了一個gabor濾鏡（theta = pi/2，lamda = 1.50），並且在卷積後得到像這樣的濾鏡輸出。

正如你可以從輸出的Gabor眼睛和嘴角看到清晰可辨。我申請scikit k均值聚類組像素起來4羣（2隻眼和2脣角落）

data = output.reshape(-1,96*96) 
estimator = KMeans(n_clusters=4) 
estimator.fit(data) 
centroids = np.asarray(estimator.cluster_centers_) 
print 'Cluster centers', centroids.shape 
print 'Labels', estimator.labels_, estimator.labels_.shape 

輸出

Input X,y: (100, 96, 96) (1783, 1) 
Gabor Filters (1, 9, 9) 
Final output X,y (100, 96, 96) (0,) 
Shape estimator.cluster_centers_: (4, 9216) 

現在問題來了：如何繪製質心的x，y 4個集羣中心的座標？我會看到眼睛中心和嘴角

更多信息：我繪製estimator.cluster_centers_，輸出就像一本代碼書。我看不到羣集質心的座標。

我使用的步驟在本文中所描述：http://jyxy.tju.edu.cn/Precision/MOEMS/doc/p36.pdf

Answer 1

我覺得這裏有關於在你做你的空間有些混亂K-means聚類。在你的問題中包含的代碼片段中，你正在使用矢量化人臉圖像作爲數據點來訓練一個KMeans模型。 K-means簇與您提供的數據生活在同一個空間中，所以（如您注意到的），您的簇質心也將是矢量化的面部圖像。重要的是，這些人臉圖像具有尺寸9216，而不是尺寸2（即，x-y座標）！

要獲得2維（x，y）座標作爲K均值質心，您需要使用2維輸入數據運行算法。就在我頭頂，似乎可以將黑暗閾值應用於您的臉部圖像，並組合僅包含黑暗像素位置的聚類數據集。然後，在此數據集上運行K-means後，質心將有望接近臉部圖像中像素最黑的像素位置。這些位置（假設您的訓練數據中的臉部圖像已經有所註冊）應該與​​您所期望的眼睛和嘴角稍微接近。

這可能非常令人困惑，所以我會嘗試添加一個示例。舉個例子，你有一個3像素寬，4像素高的「臉部圖像」。在圖像的一個閾值化後的像素可能看起來像：

0 1 2 <-- x coordinates 

0 0 0 0^y coordinates 
0 1 0 1 | 
1 0 0 2 | 
0 0 1 3 v 

如果使用直接在K-手段這個「形象」，你真正運行的K-means算法在12維空間，並且上面的圖像將被矢量化爲：

0 0 0 0 1 0 1 0 0 0 0 1 

然後，您的K均值聚類質心也將存在於相同的12維空間中。

我想提出的是，你可以提取每個圖像中1的（x，y）座標，並將它們用作K-means算法的數據。因此，對於例如上圖中，你會得到以下數據點：

1 1 
0 2 
2 3 

在這個例子中，我們從這個「形象」提取3 2維穴;隨着更多的圖像，你會得到更多的二維點。在用這些二維數據點運行K-means之後，您將獲得也可以解釋爲原始圖像中像素位置的聚類質心。您可以在圖像頂部繪製這些質心位置，並查看它們在圖像中的對應位置。