２つの強度の相関関係をplotし、ウォード法でクラスタリングを行い色分けをしたいが、この後のコードの書き方が分かりません。

Question

# -*- coding: utf-8 -*-
import cv2
import matplotlib.pyplot as plt
from numpy import *
from sklearn import datasets
from sklearn import cluster
from scipy.cluster.hierarchy import linkage, dendrogram, fcluster

video_path = "water50_2.mkv"
cap = cv2.VideoCapture(video_path)

count = cap.get(cv2.CAP_PROP_FRAME_COUNT)
fps = cap.get(cv2.CAP_PROP_FPS)

numS=raw_input("start frame:  ")
numS=int(numS)

numE=raw_input("end frame:  ")
numE=int(numE)
#numE=count
print(numE)

# 場所を決める
#点の場所
x1min=raw_input("点滅1左上のx座標:")
y1min=raw_input("点滅1左上のy座標:")
x1max=raw_input("点滅1右下のx座標:")
y1max=raw_input("点滅1右下のy座標:")

X1min=int(x1min)
Y1min=int(y1min)
X1max=int(x1max)
Y1max=int(y1max)

#ノイズの場所
xnoisemin=raw_input("左上ノイズx座標:")
ynoisemin=raw_input("左上ノイズy座標:")
xnoisemax=raw_input("右下ノイズx座標:")
ynoisemax=raw_input("右下ノイズy座標:")

Xnoisemin=int(xnoisemin)
Ynoisemin=int(ynoisemin)
Xnoisemax=int(xnoisemax)
Ynoisemax=int(ynoisemax)

# フレーム [numS,numE] の範囲で各フレームの [ymin, ymax]x[xmin, xmax] の画素の平均を計算する。
frame_no = arange(numS,numE)
intensity1 = []
intensitynoise=[]
for i in frame_no:
    # フレーム frame_no を取得する。
    cap.set(cv2.CAP_PROP_POS_FRAMES, i)
    ret, frame = cap.read()
    if not ret:
        print('Failed to grab frame.')
        break
    # 平均画素値を計算する。
    intensity1.append(frame[Y1min:Y1max+1, X1min:X1max+1].mean())
    intensitynoise.append(frame[Ynoisemin:Ynoisemax+1, Xnoisemin:Xnoisemax+1].mean())
    print "frame number ",i

#plt.plot(intensity1,intensitynoise,'x')
corr=corrcoef(intensity1,intensitynoise)
a=corr[0,1]
print(a)

X=stack([intensity1,intensitynoise], axis=1)
Z=linkage(X,method ="ward",metric="euclidean")
print(Z)

plt.xlabel("intensity left")
plt.ylabel("intensity right")
plt.title("Correlation coefficient:%s"%a)
plt.show()

intensity1とintensitynoiseをplotすることで相関関係を得ることができます。下図参照

大きく２ヶ所に分かれているように見えるので、これをウォード法を用いた階層的手法でクラスタリングを行ない、色分けをしたいのですが、上記のコードからどう書けばいいか分かりません。どなたかよろしくお願い致します

Answer 1

元のコードからは外れますが、単純例として以下のようなコードで実現できるかと思います。

import matplotlib.pyplot as plt
import numpy as np
from scipy.cluster.hierarchy import linkage, fcluster, dendrogram
import random

# テストデータ
N = 10
x1 = list(1+np.random.rand(N)) + list(2+np.random.rand(N))
x2 = list(1+np.random.rand(N)) + list(2+np.random.rand(N))
X = np.stack([x1, x2], axis=1)
plt.scatter(X[:,0], X[:,1])
plt.show()

# クラスタリング
Z = linkage(X, method='ward', metric='euclidean')
dendrogram(Z)
plt.show()

# クラスタ分け
threshold = 0.7 * np.max(Z[:, 2])
print(threshold) # 約2.9
C = fcluster(Z, threshold, criterion='distance')
print(C) # [2 2 2 2 2 2 2 2 2 2 1 1 1 1 1 1 1 1 1 1]

# 結果表示
plt.scatter(x1, x2, c=C)
plt.show()

Comments

[退会済みユーザー]

解答のほうありがとうございます。
しきい値とは何かいまいちよく分かりません。
（例えば0.7ではなく0.２で計算を行うとクラスタが増えた）

[8524ba23]

詳しくないのですが、私は以下のように理解しています。
この場合のしきい値(threshold)は、どの程度離れていれば別モノと分けるかの値で
具体的には距離の値になります。
回答の階層図でいえばｙ軸の値になります。提示コードではだいたい3の値をとります。
直感的に説明すると、系統図の高さ３から横線をひいて分けられた縦線の数がクラスタ数になります。