_centers： 這個(gè)就是我們想要的結(jié)果了，該函數(shù)運(yùn)行完畢以后，這個(gè)變量里面儲(chǔ)存所有的center的數(shù)據(jù)，也就是你想要的東西了，引用例子的程序，稍作修改就拿來(lái)用了。

void kmeans_mat(const Mat& src_img,Mat& dst_img)
{
int width_src=src_img.cols;
int height_src=src_img.rows;

Mat samples=Mat::zeros(width_src*height_src,1,CV_32FC3);//創(chuàng)建樣本矩陣，CV_32FC3代表32位浮點(diǎn)3通道（彩色圖像）
Mat clusters;//類別標(biāo)記矩陣
int k=0;
for (int i=0;i)
{
for (int j=0;j)
{
//將像素點(diǎn)三通道的值按順序排入樣本矩陣
samples.at(k,0)[0]=(float)src_img.at(i,j)[0];
samples.at(k,0)[1]=(float)src_img.at(i,j)[1];
samples.at(k,0)[2]=(float)src_img.at(i,j)[2];
}
}
int nCuster=2;//聚類類別數(shù)，自己修改。
//聚類，KMEANS PP CENTERS Use kmeans++ center initialization by Arthur and Vassilvitskii
kmeans(samples,nCuster,clusters,TermCriteria(CV_TERMCRIT_EPS+CV_TERMCRIT_ITER,10,1.0),2,KMEANS_PP_CENTERS);

//顯示聚類結(jié)果
if (dst_img.empty())
{
dst_img=Mat::zeros(height_src,width_src,CV_8UC1);
}

k=0;
int val=0;
float step=255/(nCuster-1);
for (int i=0;i)
{
for (int j=0;j)
{
val=255-clusters.at(k,0)*step;//int
dst_img.at(i,j)=val;
}
}
}

來(lái)看看聚類結(jié)果先：

聚類效果還不錯(cuò)，只是比原本的指甲小了點(diǎn)，需要進(jìn)一步修改，或者和前面的邊緣提取相結(jié)合進(jìn)行修正。而且聚類的數(shù)目需要人來(lái)控制。

我在opencv的處理中總是遇到一個(gè)問(wèn)題：Bad argument (Ukown array type) in cvarrToMat,后來(lái)發(fā)現(xiàn)是opencv庫(kù)函數(shù)的使用問(wèn)題，他有c的也有c++的，Mat一般是c++下的，所以用c的庫(kù)函數(shù)會(huì)出現(xiàn)這個(gè)問(wèn)題。

另外c版本中的保存圖片為cvSaveImage()函數(shù)，c++版本中直接與matlab的相似，imwrite()函數(shù)。小插曲！