K-means之C++及OpenCV实现

K-means算法算是个著名的聚类算法了，不仅容易实现，并且效果也不错，训练过程不需人工干预，实乃模式识别等领域的居家必备良品啊，今天就拿这个算法练练手。

总结来说，这个算法的步骤如下：

1.随机选取样本中的K个点作为聚类中心
2.计算所有样本到各个聚类中心的距离，将每个样本规划在最近的聚类中
3.计算每个聚类中所有样本的中心，并将新的中心代替原来的中心
4.检查新老聚类中心的距离，如果距离超过规定的阈值，则重复2-4，直到小于阈值

那么，现在，我实现的程序的步骤也是按照上面一步一步来的，

为了方便，我直接在平面上随机产生n个点，选取前K个点作为聚类中心，

距离就定义为平面上的欧式距离，

然后为了形象化地观察过程和结果，我将过程以图像的方式显示。

代码如下：

首先是主体：

int iter_times = 0;//迭代次数
    while(!good_result())//检查是否是需要的聚类中心
    {
        for(int i = 0;i < POINT_NUM;i++)
        {
            double min = 10000;
            int min_k = 0;
            for(int j = 0;j < K;j++)
            {
                double tmp = DIS(c[j].center,s[i].p);