使用OpenCV对CSV时序数据执行k-means时遇访问冲突问题求助

嘿，我仔细看了你的代码，马上就找到了导致kmeans崩溃、centers无法正常生成的核心问题——Mat的类型与元素访问方式不匹配，这直接引发了内存访问越界，让kmeans函数内部出错。

核心错误点 #

你创建Mat的时候指定了CV_32F（单精度浮点型，每个元素占4字节）：

cv::Mat data_mat = cv::Mat::zeros((int)all_data.size(), (int)all_data[0].size(), CV_32F);

但赋值时却用了at<double>（双精度浮点型，每个元素占8字节）去读写：

data_mat.at<double>(rows, cols) = all_data[rows][cols];

这种类型不匹配会直接破坏Mat的内存结构，后续调用kmeans时自然会触发内存访问异常，连centers都没法正常初始化，所以你看到它的属性全是空的。

修复方案（二选一即可） #

方案1：保持Mat为CV_32F，用float类型访问 #

把赋值时的at<double>改成at<float>，同时把double类型的数据转成float：

cv::Mat data_mat = cv::Mat::zeros((int)all_data.size(), (int)all_data[0].size(), CV_32F);
for (int rows = 0; rows < (int)all_data.size(); rows++) { 
    for (int cols = 0; cols < (int)all_data[0].size(); cols++) { 
        data_mat.at<float>(rows, cols) = static_cast<float>(all_data[rows][cols]); 
    } 
}

方案2：将Mat改为CV_64F，用double类型访问 #

如果想保留双精度的精度，直接把Mat的类型改成CV_64F，这样用at<double>就没问题了：

cv::Mat data_mat = cv::Mat::zeros((int)all_data.size(), (int)all_data[0].size(), CV_64F);
for (int rows = 0; rows < (int)all_data.size(); rows++) { 
    for (int cols = 0; cols < (int)all_data[0].size(); cols++) { 
        data_mat.at<double>(rows, cols) = all_data[rows][cols]; 
    } 
}

后续验证与优化建议 #

1. 验证Mat正确性：修复后可以先打印Mat的类型，确认和你使用的访问类型匹配：

   std::cout << "Mat type code: " << data_mat.type() << std::endl;
   // CV_32F对应5，CV_64F对应6
   

2. 高效批量赋值：你的数据量很大（5万多行），嵌套循环赋值效率偏低，可以用memcpy直接拷贝数据：
   比如CV_64F的情况：

   cv::Mat data_mat(all_data.size(), all_data[0].size(), CV_64F);
   for (int i = 0; i < all_data.size(); ++i) {
       memcpy(data_mat.ptr<double>(i), all_data[i].data(), all_data[i].size() * sizeof(double));
   }
   

3. 异常捕获：给kmeans加异常捕获，方便后续定位问题：

   try {
       cv::kmeans(data_mat, k, labels, criteria, attempts, cv::KMEANS_PP_CENTERS, centers);
       std::cout << "Finished k-means" << std::endl;
       std::cout << "Centers rows: " << centers.rows << std::endl;
       std::cout << "Centers cols: " << centers.cols << std::endl;
   } catch (const cv::Exception& e) {
       std::cerr << "Kmeans error: " << e.what() << std::endl;
   }
   

按照上面的步骤修复后，kmeans应该能正常运行，centers也会生成你预期的256×256矩阵啦！

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