25
4
I want to apply kmeans to an image with an alpha mask. It should only work on the colors that are visible. I'm hoping to one-line it. Starting image:
我想将KMeans应用于具有Alpha蒙版的图像。它应该只对可见的颜色起作用。我希望能写成一行。起始图：
Naively apply kmeans (whoops, all one color):
天真地使用KMeans(哎呀，都是一种颜色)：
个人中心
文章发布
退出convert SpaceshipTransparency.png -kmeans 12x20 KmeansOnly.png
Experiment. Run through all alpha choices. -alpha remove seems to work somehow but it has a white background? Need to remove this and I found a three step process on ImageMagick docs by outputting a mask as a middle step:
做实验。浏览所有Alpha选项。-Alpha Remove似乎有某种效果，但它的背景是白色的？需要删除它，我在ImageMagick文档上找到了一个三步过程，输出一个面具作为中间步骤：
convert SpaceshipTransparency.png -alpha Remove -kmeans 12x20 AlphaRemove.png
convert SpaceshipTransparency.png -alpha extract mask.png
convert AlphaRemove.png mask.png -alpha Off -compose CopyOpacity -composite ThreeStepProcess.png
You can combine commands by chaining using parenthesis processing and in-memory (MPR:) images in Imagemagick.
您可以通过在Imagemagick中使用括号处理和内存(MPR：)图像链接来组合命令。
Try:
尝试：
convert SpaceshipTransparency.png -write mpr:img +delete \
\( mpr:img -alpha Remove -kmeans 12x20 \) \
\( mpr:img -alpha extract \) \
-alpha Off -compose CopyOpacity -composite OneStepProcess.png
Note: -kmeans is only available on Imagemagick 7. So I recommend using magick rather than convert.
注意：-kMeans仅在Imagemagick7上可用。所以我建议使用Magick而不是Convert。
25
4
0
你好，stackoverflow 社区， 我在运行 kmeans (统计数据包)和 Kmeans (amap 包)在 Iris 数据集上。在这两种情况下，我使用相同的算法(Lloyd–Forgy)、相
我想将KMeans应用于具有Alpha蒙版的图像。它应该只对可见的颜色起作用。我希望能写成一行。起始图：。。天真地使用KMeans(哎呀，都是一种颜色)：。。做实验。浏览所有Alpha选项。-Alph
我想将KMeans应用于具有Alpha蒙版的图像。它应该只对可见的颜色起作用。我希望能写成一行。起始图：。。天真地使用KMeans(哎呀，都是一种颜色)：。。做实验。浏览所有Alpha选项。-Alph
在对一些具有 3 个簇的向量进行 K 均值拟合时，我能够获取输入数据的标签。KMeans.cluster_centers_ 返回中心的坐标，所以不应该有一些与之对应的向量吗？如何找到这些簇的质心处的值
我正在使用视频中的 kmeans 聚类技术，但我不明白为什么我们在 kmeans 聚类中使用 .fit 方法？ kmeans = KMeans(n_clusters=5, random_state=0
MATLAB K-means 给出图像的准确结果，而使用 OpenCV c++ 的 k-means 不给出相同的结果，即使参数相同。实现上有什么不同吗？ 最佳答案 Matlab 的 kmeans fu
我正在使用 scikit learn 的 Kmeans 算法对评论进行聚类。 sentence_list=['hello how are you', "I am doing great", "my n
来自 sklearn KMeans 的文档 class sklearn.cluster.KMeans(n_clusters=8, init='k-means++', n_init=10, max_it
我尝试使用 scikit-learn 实现并行运行 KMeans，但我不断收到以下错误消息: Traceback (most recent call last): File "run_kmeans
前言 K-means是一种经典的无监督学习算法，用于对数据进行聚类。K-means算法将数据集视为具有n个特征的n维空间，并尝试通过最小化簇内平方误差的总和来将数据点划分为簇。本文将介绍K-m
所以按照文档中的示例 (here): The KElbowVisualizer implements the “elbow” method to help data scientists select
我试图将数据点(通过欧几里得距离)分配给一组已知的、预定义的中心点，将点分配给最近的固定中心点。 我有一种感觉，我可能过于复杂/遗漏了一些基本的东西，但我已经尝试使用具有预定中心且没有迭代的 kmea
我想知道其他人在用 K-means 集群排序做什么。我正在制作热图(主要是 ChIP-Seq 数据)并使用自定义热图函数(基于 R 的内置热图函数)获得漂亮的数字。但是，我想要两个改进。第一个是根据递
我正在尝试用 Java 实现 KMeans，但遇到了一个导致所有结果都丢失的情况。当给定一些随机选择的初始化质心，数据进入其中一个质心实际上并未定义簇的状态时，就会发生这种情况。例如，如果 K=3，则
示例: load kmeansdata %provides X variable Y=bsxfun(@minus,X,mean(X,2))'/sqrt(size(X,2)-1); %normalize
我正在大数据集上运行 k-means。我是这样设置的: from sklearn.cluster import KMeans km = KMeans(n_clusters=500, max_iter
我有一组包含 50 个特征(c1、c2、c3 ...)的数据，超过 80k 行。 每行包含标准化数值(范围 0-1)。它实际上是一个标准化的虚拟变量，其中一些行只有很少的特征，3-4(即如果没有值则分
我想对我的数据集的特定列执行 K 均值。由于这些是分类数据，我计划对其进行 onehot_encoding。现在我想知道是否可以对特定列进行 K-means 并显示所有列的结果(例如一组)？ 例如，我
使用 K 均值聚类生成 K 个簇，我们如何计算每个簇的面积？有公式吗？ 我已经尝试过 gArea() 与 rgeos 包，但我收到错误代码“ unable to find an inherited m
我知道下定义的 KMeans 算法需要特征缩放sklearn.cluster.KMeans 我的问题是，在使用 KMeans 之前是否需要手动完成，或者 KMeans 是否会自动执行特征缩放？如果是自
我是一名优秀的程序员,十分优秀！