小编Rya*_*att的帖子

我正在尝试使用来自scikitlearn的DBSCAN来基于颜色分割图像。我得到的结果是。如您所见，有3个集群。我的目标是将图片中的浮标分成不同的群集。但是很明显，它们显示为同一群集。我尝试了广泛的eps值和min_samples，但是这两件事总是聚在一起。我的代码是：

img= cv2.imread("buoy1.jpg) 
labimg = cv2.cvtColor(img, cv2.COLOR_BGR2LAB)

n = 0
while(n<4):
    labimg = cv2.pyrDown(labimg)
    n = n+1

feature_image=np.reshape(labimg, [-1, 3])
rows, cols, chs = labimg.shape

db = DBSCAN(eps=5, min_samples=50, metric = 'euclidean',algorithm ='auto')
db.fit(feature_image)
labels = db.labels_

plt.figure(2)
plt.subplot(2, 1, 1)
plt.imshow(img)
plt.axis('off')
plt.subplot(2, 1, 2)
plt.imshow(np.reshape(labels, [rows, cols]))
plt.axis('off')
plt.show()

我假设这是欧氏距离，因为在实验室空间中，欧氏距离在不同颜色之间会有所不同。如果有人可以给我指导，我将不胜感激。

更新：以下答案有效。由于DBSCAN要求数组的尺寸不能超过2维，因此我将这些列连接到原始图像，并进行了整形以生成anx 5矩阵，其中n是x维乘以y维。这似乎为我工作。

indices = np.dstack(np.indices(img.shape[:2]))
xycolors = np.concatenate((img, indices), axis=-1) 
np.reshape(xycolors, [-1,5])