今回はOpenCVを使ってデータを分類を行いたいと思います．
分類した結果をPython3のmatplotlibを使って可視化します．

matplotlibとは

matplotlibはPythonでグラフを描画するときなどに使われる標準的なライブラリです．
画像ファイルを作るばかりでなく，簡単なアニメーションやインタラクティブなグラフを作ることもできます．
実際の例はmatplotlibサイトのギャラリーで見ることができます．
https://matplotlib.org/gallery.html

準備

サンプルコードを動かす上で予めいくつかモジュールを読み込んでおきます．

import cv2
import numpy as np
import matplotlib.pyplot as plt

OpenCVとは

OpenCV（Open Source Computer Vision Library）は，コンピューターで画像や動画を処理するための機能がまとめて実装されている，オープンソースのライブラリです．

「OpenCV-Python Tutorials」というサイトで，様々な機能が紹介されていますので，ぜひ確認してみてください．
https://opencv-python-tutroals.readthedocs.io/en/latest/py_tutorials/py_imgproc/py_table_of_contents_imgproc/py_table_of_contents_imgproc.html

先では，import cv2 が必要と言いました．Python3からOpenCVを利用するには，
opencv-pythonライブラリをインストールします．
OpenCVは，いくつかの方法でインストールできますが，
pip3 install opencv-pythonでインストールするが最も簡単でおすすめです．
print(cv2.__version__)　を使ってOpenCVのバージョンを確認することができます．

※「pip3」のバージョンによってpipの可能性があります．

K近傍法(KNN)

概要

K近傍法は，Yが未知のXのデータがあった時に，未知のYを推測する方法です．
K近傍法は，K個の「K」を自分で予め決めておいて，その地点に近い順のK個の地点の情報から，推測する方法です．
また，K近傍法は，データ全体ではなく，一部のデータだけを使いますので，YとXの関係を数式で表す事ができなくても，確からしい推測ができます．
局所的な推測に，有利な方法です．

計算

距離関数を使って，既知のX群の中のどの辺りにあるのかを調べます．
次に，結合関数を使って，近傍のk個のYから，未知のYの大きさを計算します．
距離関数や結合関数は自分で選べます．
EX. 距離関数は「ユークリッドの距離」，結合関数は「平均値」があります．

プログラム

import cv2
import numpy as np
import matplotlib.pyplot as plt

trainData = np.random.randint(0,100,(50,2)).astype(np.float32) #(1)
responses = np.random.randint(0,2,(50,1)).astype(np.float32) #(2)

red = trainData[responses.ravel() == 0] #(3)
plt.scatter(red[:,0], red[:,1], 80, "r", "^") #(3)

blue = trainData[responses.ravel() == 1] #(4)
plt.scatter(blue[:,0], blue[:,1], 80, "b", "s") #(4)

newdata = np.random.randint(0,100,(1,2)).astype(np.float32) #(5)
plt.scatter(newdata[:,0], newdata[:,1], 80, "g", "o") #(5)

knn = cv2.ml.KNearest_create() #(6)
knn.train(trainData, cv2.ml.ROW_SAMPLE, responses) #(6)
ret,results,neighbours,dist = knn.findNearest(newdata, 5) #(6)

print("result:\t{}".format(results))
print("neighbours:\t{}".format(neighbours))
print("distance:\t{}".format(dist))

plt.show()

コード解説

(1): (x,y)データを50個作る，大きさ0~100，50行2列
(2): 50個のデータについてランダムに0のクラスか1のクラスを割り振る，50行1列
(3): 0のデータは赤色の点，プロット
(4): 1のデータは青色の点，プロット
(5): 未分類データの出現(1つ)緑色の点，プロット
(6): KNNを実行します，K=5とします
ここで注意する点は (6)の1，2行目，
knn = cv2.KNearest() knn.train(trainData,responses)
で書く人がいますが，これではエラーは出ます．
これは古いバージョンの書き方，上記の方は新しいバージョンの書き方です．

上のプログラムを実行して表示する図は以下のようになります．

図にすることによって視覚的に，緑色の点(未分類データ)は，1のデータのクラスに属していることがわかった．

今回のPython3(OpenCV)を使ってデータ分類(K近傍法)は以上で終わります．
読んでいただいてありがとうございます．