????????本節我們分享點云處理中的三種常見聚類方法，分別是K-means、歐氏與 DBSCAN聚類。具體介紹如下：

1. K-means 聚類

????????定義：一種基于距離度量的無監督學習算法，將數據劃分為 K 個緊湊的簇，使簇內數據相似度高、簇間差異大。

????????算法流程：
1）初始化：隨機選取 K 個點作為初始質心。
2）分配：計算每個樣本到質心的歐氏距離，將其歸入最近簇。
3）更新：重新計算各簇的質心（簇內樣本的均值）。
4）迭代：重復步驟 2-3，直至質心不變或達到最大迭代次數。

????????特點：計算高效、收斂快，但對初始質心敏感，僅適用于凸形簇。

????????典型應用：圖像分割、客戶分群、模式識別。

2. 歐氏聚類（基于歐氏距離的密度聚類）

????????定義：通過歐氏距離閾值（eps）和最小鄰居數（min_points）分割點云數據，識別密集區域。

????????算法流程：
1）初始化：所有點標記為未訪問。
2）擴展簇：
- 任選未訪問點，檢索其 eps 鄰域內的所有點（含自身）。
- 若鄰居數 ≥ min_points，則標記為新簇，并遞歸檢查鄰居的鄰居。
3）終止：所有點被訪問后，孤立點（鄰居數 < min_points）標記為噪聲。

????????特點：無需預設簇數，可識別任意形狀簇，但對參數（eps、min_points）敏感。

????????典型應用：
三維點云分割：如建筑掃描中分離房間或自動駕駛中區分車輛/行人。
噪聲過濾：剔除孤立點或小簇，提升數據質量。

3. DBSCAN 聚類（Density-Based Spatial Clustering of Applications with Noise）

????????定義：基于密度的聚類算法，可發現任意形狀簇并自動標記噪聲。

????????核心概念：
1）核心點：某點的 ε 鄰域內至少包含 min_points個點。
2）密度直達：若點 q 在核心點 p 的 ε 鄰域內，則 q 從 p 密度直達。
3）密度可達：若存在點鏈使相鄰點滿足密度直達關系，則鏈首尾兩點密度可達。
4）聚類形成：從任一核心點出發，遞歸合并所有密度可達的點，形成簇。
5）噪聲點：未被任何簇包含的點。

????????特點：抗噪聲、無需預設簇數，但對高維數據性能下降。

總結對比

本次使用的數據依然是我們的兔砸！！！！！！！！(破音)

一、Kmeans、歐式和DBSCAN聚類程序

from moviepy.editor import VideoFileClip
import os
import math
import subprocessdef mp4_to_gif(src_file, target_file):# 使用VideoFileClip加載MP4文件video_clip = VideoFileClip(src_file)# 調整視頻的尺寸，如果需要的話video_size_w = math.ceil(video_clip.size[0] / 0.9)video_size_h = math.ceil(video_clip.size[1] / 0.9)video_clip = video_clip.resize((video_size_w, video_size_h))# 將視頻轉換為GIFvideo_clip.write_gif(target_file, fps=10)  # 設置幀率，可以根據需要調整# 關閉視頻剪輯對象video_clip.close()def shrink_gif(file):# subprocess.run(["D:/gifsicle/gifsicle.exe", "-b", "-O2", "--lossy=40", "--colors=256", file])subprocess.run(["D:/gif_ya_suo/gifsicle-1.95-win64/gifsicle.exe","-b", "-O2", "--lossy=40","--colors=256", file])# video_path = 'E:/CSDN/視頻/1_點云讀寫/隨機顏色_1.mp4'
# target_folder = 'E:/CSDN/視頻/1_點云讀寫/隨機顏色_1.gif'original_folder = 'E:/CSDN/視頻/23_Kmeans+ou+DBSCAN聚類/1'
target_folder = original_folder
for filename in os.listdir(original_folder):# 檢查文件名是否包含舊字符串if '.mp4' in filename:src_filepath = os.path.join(original_folder, filename)target_filepath = os.path.join(target_folder, filename.replace('mp4', 'gif'))print(src_filepath)mp4_to_gif(src_filepath, target_filepath)  # 將mp4轉為gifshrink_gif(target_filepath)  # 壓縮gif# break
print("All files done.")

????????記得運行上述程序是需要安裝庫的哦，不是程序里面的sklearn，是scikit-learn。不知道怎么安裝的同學可以看往期的分享，這里就不著重說了。

pip install scikit-learn

二、Kmeans、歐式和DBSCAN聚類結果

????????從結果來看，三個兔砸可以正常的分割。換其他點云的時候記得調節參數啊，前面表格里有詳細的說明。就醬，下次見^-^