本文环境：opencv4+VS2017+C++
搜了一些使用opencv实现kmeans算法的文章，没有一个是正常能用的。
其中不乏一些高阅读高收藏文章，比如
将3通道彩色图像转化为3维数据进行聚类，丢失了空间语义
信息，实质上变成了根据颜色聚类。导致明明不相连的部分，由于颜色一样，被分成了同一个label

同样是基于颜色的聚类，根本没考虑连通性，跟阈值分割没啥区别。这篇文章高达2W阅读数，却连头文件都加错了。

网上找的都不能用，于是在他们基础上改进一下
opencv中的kmeans其实是kmeans++算法，改进了kmeans受初始点影响较大的缺点，

#include <iostream>
#include <opencv2/opencv.hpp>

using namespace cv;
using namespace std;

int main()
{
	Mat src = imread("E:\\code\\image\\cam0101.png");
	Mat src_gray;
	cvtColor(src, src_gray, COLOR_BGR2GRAY);
	morphologyEx(src_gray, src_gray, MORPH_OPEN, getStructuringElement(MORPH_RECT, Size(15, 15)));
	morphologyEx(src_gray, src_gray, MORPH_CLOSE, getStructuringElement(MORPH_RECT, Size(15, 15)));
	int colorTab[] = {0,100,200,255};
	int width = src.cols;
	int height = src.rows;
	int sampleCount = width * height;
	int clusterCount = 4;
	Mat points(sampleCount, 3, CV_32FC1);
	Mat labels;
	TermCriteria criteria(TermCriteria::EPS + TermCriteria::COUNT, 100, 0.1);
	int index = 0;
	for (int row = 0; row < height; row++)
	{
		for (int col = 0; col < width; col++)
		{
			index = row * width + col;
			uchar gray = src_gray.at<uchar>(row, col);
			points.at<float>(index, 0) = static_cast<int>(gray);
			points.at<float>(index, 1) = static_cast<int>(row);
			points.at<float>(index, 2) = static_cast<int>(col);
		}
	}

	kmeans(points, clusterCount, labels, criteria, 100, 0);

	Mat result = Mat::zeros(src_gray.size(), src_gray.type());
	for (int row = 0; row < height; row++)
	{
		for (int col = 0; col < width; col++)
		{
			index = row * width + col;
			int label = labels.at<int>(index, 0);
			result.at<uchar>(row, col) = colorTab[label];
		}
	}
	waitKey(0);
	return 0;
}

分为三类。结果使用imagewatch查看即可。
输入：原灰度图

输出：文章1结果

输出：本文结果

这才是大家实际想要的结果。