使用Scikit Learn的KMeans将图像聚为2类后像素值多于2种的原因是什么

• 未将原始像素替换为对应聚类的质心值
  KMeans推理阶段仅输出每个像素所属的聚类标签（k=2时只会输出0和1两类标签），如果后续你没有把每个像素的数值统一替换为它所属聚类的质心值，而是直接保留原像素数值、或是将标签值和原像素做了额外运算，就会出现多于2种的像素值。正确的处理逻辑是：聚类完成后，所有属于类别0的像素统一赋值为类别0的质心数值，属于类别1的像素统一赋值为类别1的质心数值，最终输出的图像只会保留2种像素值。
• 多通道输出时的逻辑错误
  你仅在KMeans输入阶段将红、蓝通道置0，只使用绿色通道做聚类，如果输出可视化图像时没有对三个通道做同步赋值，就可能出现多余的像素值。比如你仅把聚类结果赋值给了绿色通道，红、蓝通道残留了原始非0数值，或是将单通道的聚类结果错误转换为三通道格式，都会组合出更多种类的RGB三元组。
• 数据类型转换异常
  图像处理过程中如果涉及到浮点型到uint8类型的转换，操作不当很容易出现数值溢出、截断问题。比如聚类得到的两个质心为80.6和220.3，转换时如果没有做正确的四舍五入或是范围限制，部分像素可能被误赋值为其他整数值。

你可以用np.unique(聚类输出的标签数组)做快速验证，如果返回结果只有0和1两个值，说明KMeans聚类本身没有问题，问题出在后续将标签转换为可视化图像的代码逻辑中。

内容的提问来源于stack exchange，提问作者NIKHIL JOSEPH JOY