K-средства для кластеризации изображений и матрицы путаницы

Question

У меня есть изображение для анализа, как это:

и я должен использовать K-Means с 5 кластерами на этом изображении.

После того, как я получу метки и центроиды, как я могу получить матрицу смешения, если я знаю количество пикселей одного цвета?

это мой код:

import numpy as np
from sklearn.cluster import KMeans
from sklearn.utils import shuffle
from sklearn.metrics.pairwise import pairwise_distances_argmin
import cv2
import matplotlib.pyplot as plt
from sklearn.metrics.pairwise import euclidean_distances

n_colors = 5

image1 = cv2.imread('colors.jpg')

w, h, d = original_shape = tuple(image1.shape)
assert d == 3
image_array = np.reshape(image1, (w * h, d))

image_array_sample = shuffle(image_array, random_state=0)[:1000]
kmeans = KMeans(n_clusters=n_colors, random_state=0).fit(image_array_sample)

# Get labels for all points
labels = kmeans.predict(image_array)
codebook_random = shuffle(image_array, random_state=0)[:n_colors]

def recreate_image(codebook, labels, w, h):
    """Recreate the (compressed) image from the code book & labels"""
    d = codebook.shape[1]
    image = np.zeros((w, h, d))
    label_idx = 0
    for i in range(w):
        for j in range(h):
            image[i][j] = codebook[labels[label_idx]]
            label_idx += 1
    return image

new = recreate_image(kmeans.cluster_centers_,labels,w,h)

cv2.imshow('Result',new)
cv2.waitKey(0)
cv2.destroyAllWindows()

Спасибо всем, помогите мне.