我正在嘗試使用 KMeans 對(duì) RGB 顏色進(jìn)行聚類，并自動(dòng)計(jì)算圖像上每個(gè)組的像素?cái)?shù)。為此，我將質(zhì)心的初始位置設(shè)置在我想要分類的位置，并從 sklearn 運(yùn)行 KMeans。問題是，根據(jù)圖像，算法輸出會(huì)改變初始質(zhì)心向量的順序，因此當(dāng)我計(jì)算元素?cái)?shù)量時(shí)，它會(huì)變成錯(cuò)誤的顏色。當(dāng)我在圖像的初始質(zhì)心中沒有一種或多種顏色時(shí)，通常會(huì)發(fā)生這種情況。在這種情況下，我希望它計(jì)數(shù)為 0。有誰知道如何修復(fù) KMeans 預(yù)測(cè)輸出的初始質(zhì)心順序？代碼如下： centroid_start = np.array([[0,0,0],#Black                           [38,64,87], #Col1                           [43,68,98], #Col2                           [23,42,45], #Col3                           [160, 62, 0],#Col3                           [153, 82, 33], #Col5                           [198, 130, 109], #Col6                           [100,105,79], #Col7                           [220,138, 22]#Col8                           ], np.float64)          image = cv.cvtColor(img, cv.COLOR_HSV2RGB)    reshape=image.reshape((image.shape[0]*image.shape[1], 3))    cluster = KMeans(n_clusters =np.shape(centroid_start[0], init =centroid_start).fit(reshape) pixels = Counter(cluster.labels_)print(pixels)問題是：當(dāng)我檢查“像素”變量時(shí)，0 并不總是對(duì)應(yīng)于黑色，1 并不總是對(duì)應(yīng)于 Col1，等等。