将从子集计算的 kmeans 应用于完整数据

Question

我有断层扫描数据集，我想通过 k 均值聚类将其分割成不同的部分。由于数据集非常大，我计算了数据子集的 k-means。现在我想将计算出的 k-means 应用到数据集的大部分，但我似乎无法让它正常工作，分割没有正确应用。

我像这样加载图像的子集：

import glob
import imageio
import numpy
filenames = glob.glob(os.path.join(FolderToRead, '*rec0*.tif'))
vol_subset = numpy.stack([imageio.imread(rec) for rec in filenames[::50]], 0)

然后像这样计算 k-means 集群：

import sklearn.cluster
kmeans_volume = sklearn.cluster.MiniBatchKMeans(n_clusters=6, batch_size=2**11)
subset_clustered = kmeans_volume.fit_predict(numpy.array(vol_subset).reshape(-1,1))
subset_clustered.shape = numpy.shape(vol_subset)

标签看起来很棒，标签 1 是骨骼，标签 3 是植入物，标签 5 是骨骼中的血管。

for c, img in enumerate(subset_clustered):
    for d, cluster in enumerate(range(number_of_clusters)):
        plt.subplot(1, number_of_clusters, d+1)
        # Show original image
        plt.imshow(img)
        # Overlay label image
        plt.imshow(numpy.ma.masked_where(img != d, img), cmap='jet_r')
        plt.title('Image %s/%s, Label %s' % (c + 1, len(vol_clustered), d))
        plt.show()

现在我已经计算了数据子集的 k 均值，我想将它们应用于整个数据集。我试着这样做，但标签似乎不一致。

# Apply segmentation calculated above
for c, r in enumerate(reconstructions):
    # Read in all files subsequently
    reconstruction = imageio.imread(r)
    # Label the images with the kmeans calculated from a subset of the images
    clustered_rec = kmeans_volume.fit_predict(reconstruction.reshape(-1, 1))
    clustered_rec.shape = numpy.shape(reconstruction)
    # Write out the images
    imageio.imwrite('filename' + c + '.png, numpy.uint8(clustered_rec == 3) * 255 )  # 3 being the screw label

下图显示了上面脚本的裁剪输出。左图中的血管（中间的五个斑点）正确标记为 5，在右图中的下一张图像中它们标记为 1，这是错误的...

如果能指出我做错了什么，将不胜感激。我希望我不必计算完整数据集的 k 均值，因为有 2700 张 TIFF 图像，每张图像大小为 1944x1944 像素...

Answer 1

来自MiniBatchKMeans的文档，fit_predict(X[, y])“计算聚类中心和预测聚类索引每个样本

而方法predict(X)，仅“预测 X 中每个样本所属的最近簇。”
因此，只有这个必须用在完整的数据集上。

将从子集计算的 kmeans 应用于完整数据

Apply kmeans calculated from a subset to full data

python

image-processing

k-means

image-segmentation