机器学习系列之: 怎么样数鸡鸡? (3) 分类 Clustering

/// <summary>
/// 遍历图片的每个相素点
/// </summary>
/// <param name="binImage">黑白图片</param>
private static void ClusterAllPoints(Bitmap binImage)
{
    for (int i = 0; i < binImage.Width; i++)
    {
        for (int j = 0; j < binImage.Height; j++)
        {
            if (binImage.GetPixel(i, j).ToArgb() == Color.White.ToArgb())
            {
                ClusterPoint(new Point(i, j));
            }
        }
    }
}

/// <summary>
/// KNN 算法
/// </summary>
/// <param name="p">相素点</param>
private static void ClusterPoint(Point p)
{
    List<Point> chosenCluster = null;
    double votesCast = 0d;
 
    // 如果还没有发现任何 Clusters 也就是第一个相素点
    if (Clusters.Count == 0)
    {
        List<Point> l = new List<Point>();
        l.Add(p);
        Clusters.Add(l);
    }
    else
    {
        // 否则我们需要遍历当前所有的 类
        Clusters.ForEach(cluster =>
        {
            // 找到和这个 点在规定阀值内的所有点
            List<Point> votingPoints = cluster.FindAll(point =>
                IsCloseTo(point, p));
 
            // 然后需要把这些点的投票权重加起来
            double totalVotes =
                votingPoints.AsParallel().Sum(
                    aPoint => CalculateVoteOfPoint(aPoint, p));
 
            // 如果投票总值比当前的大, 那么更新选定类别
            if (totalVotes > votesCast)
            {
                votesCast = totalVotes;
                chosenCluster = cluster;
            }
        });
 
        // 把这一点加到选定的类别中
        if (chosenCluster != null)
        {
            chosenCluster.Add(p);
        }
        else
        {
            // 如果找不到类别, 那么新创建一个并添加该点. 
            List<Point> l = new List<Point>();
            l.Add(p);
            Clusters.Add(l);
        }
    }
}

/// <summary>
/// 两点之间的 Euclidean 距离
/// </summary>
/// <param name="p1">第一个点</param>
/// <param name="p2">第二个点</param>
/// <returns></returns>
private static double EuclideanDistanceBetween(Point p1, Point p2)
{
    return Math.Sqrt(
        Math.Pow((p1.X - p2.X), 2) +
        Math.Pow((p1.Y - p2.Y), 2));
}
 
/// <summary>
/// 根据 Euclidean 距离来计算权重
/// </summary>
/// <param name="neighbour"></param>
/// <param name="candidate"></param>
/// <returns></returns>
private static double CalculateVoteOfPoint(
    Point neighbour,
    Point candidate)
{
    return 1 / EuclideanDistanceBetween(neighbour, candidate);
}

/// <summary>
/// 去掉背景噪音
/// </summary>
/// <param name="noiseThreshold">The threshold</param>
private static void CullNoiseClusters(int noiseThreshold)
{
    Clusters.RemoveAll(cluster =>
        cluster.Count < noiseThreshold);
}

/// <summary>
/// 如果中心太靠近, 合并两个类
/// </summary>
private static void MergeClusters()
{
    List<List<Point>> delList = new List<List<Point>>();
    List<Point>[] c = Clusters.ToArray();
    int ptr1 = 0;
    int ptr2 = 1;
 
    while (ptr1 < c.Length)
    {
        while (ptr2 < c.Length)
        {
            List<Point> l1 = c[ptr1];
            List<Point> l2 = c[ptr2];
            Point ctr1 = GetClusterCentrePoint(l1);
            Point ctr2 = GetClusterCentrePoint(l2);
            if (EuclideanDistanceBetween(ctr1, ctr2) < MergeThreshold)
            {
                l1.AddRange(l2);
                delList.Add(l2);
            }
            ptr2++;
        }
        ptr1++;
        ptr2 = ptr1 + 1;
    }
    delList.ForEach(list => Clusters.Remove(list));
}

/// <summary>
/// 返回每个鸡类的中心点
/// </summary>
/// <param name="cluster">类别</param>
/// <returns>The centre point</returns>
private static Point GetClusterCentrePoint(List<Point> cluster)
{
    return new Point(
        (int)cluster.AsParallel().Average(p => p.X),
        (int)cluster.AsParallel().Average(p => p.Y));
}

// 数了多少只? 
Console.WriteLine(
    "\nI 发现 {0} 只鸡 ",
    Clusters.Count);