k-means图像量化提取光源周边特定簇出现索引错误如何解决

调用cv2.kmeans时输入的是将原图拉伸为(总像素数, 3)的一维像素矩阵，因此输出的label数组形状为(总像素数, 1)，每个元素对应单个像素的聚类结果。而你用来做索引的masked_image是保持原图(高度, 宽度, 3)的三维结构，二者维度完全不匹配，因此布尔索引时抛出维度不符的错误。

有两种常用的修复方案，可任选其一：

方案1：将label调整为和原图匹配的二维掩码 #

masked_image = np.copy(final_img)
cluster = 1
# 获取原图的高宽参数
h, w = image.shape[:2]
# 将label reshape为和图像高宽一致的二维掩码
mask = label.reshape(h, w) == cluster
# 直接对目标区域赋值
masked_image[mask] = [0, 0, 0]
# 可选：cv2默认读取BGR格式，转为RGB适配matplotlib显示
masked_image_rgb = cv2.cvtColor(masked_image, cv2.COLOR_BGR2RGB)
plt.imshow(masked_image_rgb)
plt.show()

方案2：拉伸masked_image匹配label的一维结构 #

masked_image = np.copy(final_img)
cluster = 1
# 先将图像拉伸为和label维度匹配的一维像素结构
masked_flat = masked_image.reshape(-1, 3)
masked_flat[label.flatten() == cluster] = [0, 0, 0]
# 恢复为原图形状
masked_image = masked_flat.reshape(final_img.shape)
# 可选：转RGB适配显示
plt.imshow(cv2.cvtColor(masked_image, cv2.COLOR_BGR2RGB))
plt.show()

由于你使用了cv2.KMEANS_RANDOM_CENTERS参数，每次运行的聚类中心是随机生成的，cluster编号对应的类别不固定。如果需要稳定提取光源区域，可以遍历center数组的像素值，找到亮度最高的簇作为目标区域对应的簇，避免每次运行编号变化的问题。

内容的提问来源于stack exchange，提问作者user1801745