所以我遇到了这个问题，上面写着:
您需要在绿色(草地)背景下识别移动的(红色)板球。假设彩色图像和光流场都可用，请简要描述您将如何使用 K 均值分割来解决此任务。
我的答案是 - 定义 2 个簇，因为有两种颜色。因为你有光流，你可以识别板球，并使用该球内的簇来得出每个簇的平均值。然后开始 k-means。
你觉得我的解释有道理吗？如果是这样，我不明白为什么我们需要使用 k-means 算法来分割我们已经知道其光流的图像(因此可以开始分割)。想法？感谢您的帮助!
最佳答案
您可以使用 k-means 计算基于流的所有对象(包括草和球)的平均速度。因此场景可以分为移动物体(球)和非移动物体(草)..那是我的猜测......
关于algorithm - k表示使用现有信息进行分割，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/4660376/