python - 如何使用高斯混合模型按波长分割图像？

Question

我有一个池塘的图像(草、边缘的岩石、水)。我想使用 GMM 作为无监督分类器将图像分割为草、岩石和水。

图像采用形状为 (800, 800, 4) 的 numpy 数组形式，其中每个像素包含 4 个波长的强度数据。例如，像素x=1 y=1具有对应于波长[450,500,600,700]的强度数据[1000,2000,1500,4000]。

我尝试使用 scikit-learn 拟合 GMM:

gmm=GaussianMixture(n_components=3, covariance_type="tied")
gmm=gmm.fit(data)

但是，我收到一条错误消息，指出数据的预期维度应小于或等于 2。

是否有任何可用的 Python 包或函数可以将 GMM 拟合到更高维度的数据？

Answer 1

因此，我需要做的就是在 x,y 维度上折叠数组，并且 GMM.fit 方法接受我的数组输入。原始数据的格式为(800,800,4)，我将其重新整形为(800*800, 4)数组。

GMM拟合和聚类的代码如下:

newdata = img_data.reshape(800*800, 4)
gmm = GaussianMixture(n_components=3, covariance_type="tied")
gmm = gmm.fit(newdata)

cluster = gmm.predict(newdata)
cluster = cluster.reshape(800, 800)
imshow(cluster)

我选择 n_components=3 因为我希望分割 3 种不同类型的 Material (岩石、草、水)。