Python实现K-Means颜色聚类后按条件修改非最深色簇RGB值

现有代码的np.where写法逻辑错误，既没有做赋值操作，返回的索引也不符合数组筛选要求，因此无法得到预期效果。

正确实现代码 #

方案1：基于你现有生成的X_compressed修改 #

# 生成掩码：标签不等于最深色簇索引的像素位置
mask = optimial_kmeans.labels_ != hair_index
# 把掩码对应位置的像素直接设为白色
X_compressed[mask] = [255, 255, 255]
# 再重塑为原图像维度
result_img = X_compressed.reshape(img.shape[0], img.shape[1], 3)

方案2：更高效的直接生成方式（无需先生成全聚类压缩图） #

# 先生成全白的数组，形状和拉平的rgb数组一致
result_flat = np.full_like(rgb, 255, dtype=np.uint8)
# 仅把属于最深色簇的像素替换为对应质心颜色
result_flat[optimial_kmeans.labels_ == hair_index] = centroid[hair_index].astype(np.uint8)
# 重塑为原图像尺寸
result_img = result_flat.reshape(img.shape[0], img.shape[1], 3)

优化建议 #

你当前仅通过R通道数值判断最深色的逻辑存在误差，建议改用灰度值判断，适配更多场景：

# 用标准灰度公式计算每个簇质心的灰度值
gray_centroid = 0.299 * centroid[:, 0] + 0.587 * centroid[:, 1] + 0.114 * centroid[:, 2]
# 取灰度最小的簇作为最深色簇
hair_index = np.argmin(gray_centroid)

内容的提问来源于stack exchange，提问作者Crazy