如何在h5格式人群密度图中完成聚类及质心可视化

实现逻辑说明 #

• 首先将密度矩阵转换为带权重的人群坐标样本，过滤低密度背景噪声
• 可根据需求选择KMeans/KMedoids/DBSCAN算法完成聚集人群聚类：
  • KMeans：计算速度快，返回的是均值质心，适合已知聚集块数量的场景
  • KMedoids：返回的中心点是真实存在的人群坐标（medoid），更符合实际业务意义
  • DBSCAN：不需要提前指定聚类数量，可自动识别所有聚集块，过滤离散噪声点
• 最后通过matplotlib将质心标记叠加到密度图上即可完成可视化

完整实现代码 #

import sys
import numpy as np
import h5py
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans
# 如果要使用KMedoids需要先安装scikit-learn-extra：pip install scikit-learn-extra
# from sklearn_extra.cluster import KMedoids

# 1. 读取H5密度矩阵
with h5py.File('/content/img001001.h5', 'r') as hf:
    h5_matrix = hf.get('density')[:]
print(f"密度矩阵维度：{h5_matrix.shape}") # 输出格式为(高度, 宽度)

# 2. 预处理：提取带权重的人群坐标
# 设定密度阈值，过滤无人群的背景噪声点
density_threshold = 0.1
y_coords, x_coords = np.where(h5_matrix > density_threshold)
weights = h5_matrix[y_coords, x_coords]
# 构造样本矩阵，每行是一个点的(x,y)坐标
samples = np.column_stack((x_coords, y_coords))

# 3. 聚类计算质心/中心点
# 这里以KMeans为例，提前指定聚集块数量n_clusters，可根据实际场景调整
n_clusters = 5 # 替换为你实际的聚集块数量
kmeans = KMeans(n_clusters=n_clusters, random_state=42)
labels = kmeans.fit_predict(samples, sample_weight=weights)
centroids = kmeans.cluster_centers_

# 如果使用KMedoids获取真实中心点，替换上面聚类部分代码即可：
# kmedoids = KMedoids(n_clusters=n_clusters, random_state=42)
# labels = kmedoids.fit_predict(samples, sample_weight=weights)
# centroids = kmedoids.cluster_centers_

# 如果使用DBSCAN自动识别聚类数量，不需要提前指定n_clusters：
# from sklearn.cluster import DBSCAN
# db = DBSCAN(eps=10, min_samples=20).fit(samples, sample_weight=weights)
# labels = db.labels_
# # 过滤噪声点（label为-1）后计算每个类的质心
# centroids = []
# for label in set(labels):
#     if label == -1:
#         continue
#     class_samples = samples[labels == label]
#     class_weights = weights[labels == label]
#     centroid = np.average(class_samples, axis=0, weights=class_weights)
#     centroids.append(centroid)
# centroids = np.array(centroids)

# 4. 可视化叠加质心
plt.figure(figsize=(12, 8))
# 绘制原始密度图
plt.imshow(h5_matrix, cmap='jet')
# 绘制质心，用红色圆点标记，大小可调
plt.scatter(centroids[:, 0], centroids[:, 1], c='red', s=100, marker='o', edgecolors='white', label='聚集质心')
plt.legend()
plt.axis('off')
plt.show()

结果准确性验证方法 #

• 可通过轮廓系数评估聚类效果，轮廓系数越接近1说明聚类效果越好
• 可视化后对比原始密度图的聚集块位置和质心位置匹配度，调整聚类参数（如聚类数量、DBSCAN的eps/min_samples、密度阈值等）优化结果
• 可给不同聚类块叠加不同颜色的半透明遮罩，更直观判断聚类是否准确

内容的提问来源于stack exchange，提问作者FRANCESCO SAVERIO TROCCOLI