简介：一套采用 C# 编写的 WinForm 窗体程序源码，完整实现 DBSCAN 密度聚类算法，主要对直角坐标系中的临近点进行自动聚类。面向 C# 开发者、算法学习者和机器视觉、大数据等方向的入门读者，可通过随机点生成与参数调整直观理解密度聚类的全过程。压缩包内共 37 个文件，整体约 191KB，包含 cs 源码文件、sln/csproj 工程文件、resx/resources 界面资源、exe 可执行程序及 pdb 调试符号等，可直接使用 Visual Studio 打开并运行调试。目前已有 515 人学习下载。运行时界面会自动生成随机散点，支持调节邻域半径、最小样本数等关键参数，实时观察聚类结果变化，很适合教学演示与动手实验；核心算法、窗体布局与随机数据生成模块分开组织，结构清晰，方便阅读、修改和二次开发，也可作为机器学习或数据挖掘课程的实验参考。
1. 先搞清楚DBSCAN能解决什么：一套WinForm聚类Demo源码的价值
在C#项目里处理一堆零散的坐标点，是很多上位机开发都会遇到的场景——机器视觉检测出的缺陷点、激光轮廓仪返回的离散坐标、分拣定位中心，统统可以抽象成二维平面上的点集。要做聚类，K-Means是个常见选项，但它逼着你先回答一个前置问题：到底分成几簇？现场调试时，点集的簇数往往是个黑匣子，猜一个K再慢慢试，效率很低。DBSCAN走的是另一条路线：不预设簇数量，只靠邻域半径Eps和最小点数MinPts两个参数，按点的密度自动成簇，顺带把孤零零的离群点标成噪声。这套C# WinForm源码正好把这个过程做成了可视化工具——随机生成点、拖动参数、立刻看到聚类变化。适合学聚类算法需要直观验证的人，也适合在C#上位机或机器视觉项目里做密度聚类的快速效果预研。
2. 界面搭建与随机点生成：把可视化的第一步跑通
拿到解决方案后，先用VS把sln打开编译一下。项目结构不复杂：Program.cs是入口，TestForm.cs和TestForm.Designer.cs组成主窗体，App.config基本是空的，没有第三方依赖。整个Demo的核心思路也很直白：窗体左侧放一块画布，右侧放参数控件，点按钮生成随机点，再点按钮跑聚类，结果直接画在画布上。
2.1 先看项目结构和界面布局
主窗体没有用常规的菜单栏和工具栏，布局很简单，所有交互都集中在一块区域里。画布用了一个普通Panel，参数控件全部放在右侧的一列。我把这里的控件对应关系整理了一下，拿到源码后对照着窗体设计器看，很快就能熟悉每个控件的用途。
| 控件 | 类型 | 关键属性 | 作用 |
|---|---|---|---|
numEps | NumericUpDown | DecimalPlaces=1，范围0.1~200 | 设置DBSCAN的邻域半径 |
numMinPts | NumericUpDown | 范围1~20 | 设置核心点最少邻域点数 |
btnGenerate | Button | 文本“生成随机点” | 重新生成点集并绘制 |
btnCluster | Button | 文本“执行聚类” | 对当前点集运行DBSCAN |
canvasPanel | Panel | Dock=Fill/Left | 作为画布承载点集和聚类结果的绘制 |
控件用NumericUpDown而不是TextBox，好处是用户没法输入字母、负数和小数点以外的内容，做演示的时候不会因为非法输入把程序搞崩。Eps的小数位设为1，实际调参时0.5的步长刚好能看到聚类结果发生明显变化；MinPts是整数，范围1~20足够覆盖二维场景下的常见取值。
2.2 随机点生成：固定种子比随机种子更好调试
生成随机点这段代码是整个Demo的起始动作，写法上有一个很关键的决策：随机种子固定死。很多人写随机点会直接用new Random()，每次运行点都不一样，看起来更“随机”，但做算法调试时这反而很痛苦——同一组参数这次跑出3簇，下次跑出5簇，根本没法判断是参数的问题还是点集变了。
private Random _rng = new Random(42); // 固定随机种子，保证每次运行点集一致 private List<PointF> _points = new List<PointF>(); private void GeneratePoints(int count) { _points.Clear(); int w = _canvasPanel.Width; int h = _canvasPanel.Height; int padding = 20; float minDistance = 5f; // 点间距下限，避免坐标重叠 while (_points.Count < count) { float x = padding + (float)(_rng.NextDouble() * (w - 2 * padding)); float y = padding + (float)(_rng.NextDouble() * (h - 2 * padding)); PointF p = new PointF(x, y); // 去掉和前边已生成点靠得太近的点，否则聚类结果会被重复坐标干扰 bool tooClose = false; foreach (PointF other in _points) { float dx = p.X - other.X; float dy = p.Y - other.Y; if (dx * dx + dy * dy < minDistance * minDistance) { tooClose = true; break; } } if (!tooClose) _points.Add(p); } }几个容易忽略的地方说明一下。padding = 20是为了让点不贴着画布边缘，否则聚类时靠近边界的点邻域范围会被画布边界截断。minDistance = 5f是防止两个点完全重叠或贴在一起，因为DBSCAN把两个完全重合的点视为两个邻居，如果同一坐标堆了十几二十个点，那个位置会凭空变成一个密度中心，干扰对真实聚集形态的判断。固定种子42这个数值本身没有特殊含义，调试时想要复现上一轮的结果，只要不换种子就行。
2.3 GDI+绘制与颜色映射：让聚类结果一眼能看懂
随机点画在画布上用的是GDI+的FillEllipse，每个点画成一个直径6像素左右的实心圆。聚类之后要把不同簇涂成不同颜色，同时把噪声点单独用一个颜色标出来。这里的颜色映射逻辑很重要，如果颜色分配做得不好，几簇点混在一起，参数再怎么调也看不出效果。
private Bitmap DrawClusteredPoints() { Bitmap bmp = new Bitmap(_canvasPanel.Width, _canvasPanel.Height); Color[] palette = new Color[] { Color.FromArgb(230, 90, 90), // 红 Color.FromArgb(80, 140, 230), // 蓝 Color.FromArgb(90, 190, 120), // 绿 Color.FromArgb(240, 160, 60), // 橙 Color.FromArgb(150, 100, 200), // 紫 Color.FromArgb(190, 190, 60) // 黄 }; using (Graphics g = Graphics.FromImage(bmp)) { g.Clear(Color.White); for (int i = 0; i < _points.Count; i++) { Color c; if (_clusterLabels[i] <= 0) // -1表示噪声点，绘制成浅灰色 { c = Color.FromArgb(220, 220, 220); } else { c = palette[(_clusterLabels[i] - 1) % palette.Length]; } using (Brush b = new SolidBrush(c)) { g.FillEllipse(b, _points[i].X - 3, _points[i].Y - 3, 6, 6); } } } return bmp; }绘制时把绘制结果放进Bitmap，再整体赋给canvasPanel.BackgroundImage。这里有个实践经验：不要在Panel的Paint事件里直接画点，因为拖动窗口、控件遮挡变化都会反复触发Paint，几百个点还好，上千个点会明显卡顿。先画到Bitmap再一次性贴上去，是WinForm绘图里常见做法，既省去了频繁重绘的开销，也方便后面做双缓冲优化。噪声点用浅灰色，和彩色簇点区分明显，不会误读成某个簇。
3. 聚类核心逻辑：邻域查找、簇扩展与三类点的判定
界面上的点刷出来之后，真正干活的聚类逻辑在核心类里。DBSCAN的原理可以用一句话概括：如果一个点周围足够密，它就属于某个簇，并且它会带着邻居一起加入这个簇；不够密的点就是噪声。但落到代码上，有几个环节需要仔细处理，尤其是边界点归属和已访问点的跳过逻辑。
3.1 理解核心点、边界点与噪声点
这三个概念是整个DBSCAN的基石，代码里的所有判断都围绕它们展开。核心点是指在Eps邻域内至少包含MinPts个点的点；边界点本身不满足核心点的密度条件，但它落在某个核心点的邻域内，因此被吸收进簇里；噪声点则既不是核心点，也不属于任何簇，最终被标记为-1。簇的成型过程是：从任意一个核心点出发，不断把邻域内的点拉进来，如果拉进来的点里又有核心点，就继续向外扩展，直到这条密度链断掉为止。
这正是DBSCAN比K-Means好用的一点：K-Means必须预先给定K值，而且默认点集是圆形或球形分布；DBSCAN完全不管点集的形状，只要密度连得起来，就算成同一个簇。这一点和GMM这类概率聚类模型也有明显差别，GMM假设数据由若干个高斯分布混合而成，对分布形状有隐含要求，DBSCAN则没有这些假设。
3.2 邻域查找：距离平方比较和坐标预筛选
邻域查找是DBSCAN里最频繁执行的操作，每判断一个点都要找一遍它的邻居。最朴素的写法是双重循环，对所有点两两计算欧氏距离，时间复杂度是O(n²)。点数为几百的时候问题不大，到两三千点就会明显变慢，所以写GetNeighbors时有两个小优化技巧值得直接用上。
private List<int> GetNeighbors(int index, List<PointF> points, double eps) { List<int> neighbors = new List<int>(); PointF p = points[index]; double epsSq = eps * eps; for (int j = 0; j < points.Count; j++) { if (j == index) continue; double dx = p.X - points[j].X; double dy = p.Y - points[j].Y; // 坐标差任何一个方向超出半径，距离必然超出Eps，直接跳过 if (Math.Abs(dx) > eps || Math.Abs(dy) > eps) continue; // 用距离平方比较，省掉一次Math.Sqrt开销 double distSq = dx * dx + dy * dy; if (distSq <= epsSq + 1e-9) { neighbors.Add(j); } } return neighbors; }这里两个优化点分别说明。第一，Math.Abs(dx) > eps || Math.Abs(dy) > eps本质上是先做了一个包围盒判断，点的坐标差只要有一个方向超出半径，欧氏距离必然超出Eps，这样可以跳过大量距离计算。第二，全程用距离平方和epsSq比较，避免对每个点都调用Math.Sqrt，当点数是几千级别时，少算几千次开方省下的时间很可观。1e-9的容差是为了处理浮点比较的边缘情况，数据里两个点的距离刚好等于Eps时，double的舍入误差可能导致误判，留一点容差能让边界情况稳定下来。
3.3 主流程：队列方式扩展密度相连的簇
有了GetNeighbors，主流程的核心工作是维护一个“待访问队列”。从第一个点开始逐个检查，如果当前点已经被访问过就跳过；没访问过就查它的邻域，邻域数量不足MinPts就标记为噪声，达到条件则开启一个新簇，并把邻域内所有点入队，再逐个处理队列里的点，持续向外扩展。这个扩展过程用Queue<int>实现最顺手，先进先出的顺序不会影响聚类结果，代码也比递归写法更安全，点多了不容易爆栈。
public int[] Cluster(List<PointF> points, double eps, int minPts) { int count = points.Count; int[] labels = new int[count]; // 0=未处理, -1=噪声, >=1=簇编号 bool[] visited = new bool[count]; int currentCluster = 0; for (int i = 0; i < count; i++) { if (visited[i]) continue; visited[i] = true; List<int> neighbors = GetNeighbors(i, points, eps); if (neighbors.Count < minPts) { labels[i] = -1; // 邻域不够密，先记为噪声 continue; } currentCluster++; // 发现新簇种子 labels[i] = currentCluster; Queue<int> queue = new Queue<int>(neighbors); while (queue.Count > 0) { int current = queue.Dequeue(); if (visited[current]) { // 已访问过：若是之前标记的噪声点，吸收为当前簇的边界点 if (labels[current] == -1) { labels[current] = currentCluster; } continue; // 已归到其他簇的点直接跳过 } visited[current] = true; labels[current] = currentCluster; List<int> currentNeighbors = GetNeighbors(current, points, eps); if (currentNeighbors.Count >= minPts) { foreach (int nb in currentNeighbors) { if (!visited[nb]) { queue.Enqueue(nb); } } } } } return labels; }这段代码里最容易绕晕的是visited[current]为true的那个分支。一个点被提前标记为噪声，并不代表它不能属于任何簇，只要后面某个核心点的邻域扫到它，它就是边界点，应当被吸收进那个簇。但反过来，如果它已经被归入某个簇了，哪怕另一个簇的扩展队列也扫到它，也不能重复归簇，所以continue之前要先判断labels[current] == -1。这个逻辑直接决定了边界点不会被重复归属，也不会把已经成簇的点拆散。
3.4 边界点不重复归簇的细节
再单独说一个容易出问题的点：labels初始值是0表示未处理，但主循环里被标记为噪声的点，labels[i] = -1。当它在队列里被再次遇到时，visited已经是true，靠labels[current] == -1这个判断完成边界点吸收。如果把这句判断漏掉，边界点会一直保持-1，聚类结果里簇的轮廓就不完整。
另一个细节是在入队时做了if (!visited[nb])过滤，这能避免同一个点被反复加入队列，但过滤并不彻底——某个点可能在入队之后、出队之前被其他路径再次访问，不过没关系，出队时visited[current]为true的分支会兜住这种情况，最多是多做一次判断，不会导致重复归簇。我见过有人在这里改成HashSet<int>做去重，性能提升有限，代码复杂度却上去了，几百上千个点的Demo完全没必要。
4. Eps和MinPts怎么调：k-dist曲线与参数组合的试错思路
调参是整个Demo最直观也最玄学的部分。很多人拿到程序第一件事就是乱拖Eps和MinPts，看到界面上颜色变来变去觉得好玩，但真要回答“这两个参数该设多少”时，还是需要一点方法论。
4.1 两个参数各自决定什么
Eps是邻域半径，决定了一个点向外看多远；MinPts是邻域内最少要多少个点，决定了一个点够不够格当核心。先想清楚这两个参数各自影响什么，再动手调，比盲试高效得多。
从经验值看，二维数据场景下MinPts通常取4或5，这个数值不是拍脑袋定的，它是DBSCAN原论文对二维数据推荐的起步值。MinPts取1没有意义，因为每个点本身就在自己的邻域里，任何非空邻域都能满足条件，聚类会失去噪声的概念，我在第5章的踩坑记录里会展开讲。Eps则和点集本身的尺度强相关，同样是100个点，分布在500×300的画布上和分布在100×100的区域里，Eps的合理取值可能差一个数量级。
调参顺序上，建议先固定MinPts，再去调Eps。MinPts是密度阈值，它更多取决于你对“一簇至少要有几个点”的业务理解；Eps是空间尺度参数，需要根据实际点间距来试。如果一开始两个参数同时乱动，出了问题根本分不清是哪个参数造成的。
4.2 k-dist曲线：找到Eps的参考起点
Eps虽然要试，但不是完全瞎试。有一个很实用的辅助办法叫k-dist曲线：对每个点计算它到第k个最近邻居的距离，把所有点的这个距离排序后画出来，曲线通常会出现一个明显的拐点，拐点对应的距离就是Eps的一个合理参考值，k取的就是MinPts。
private double[] ComputeKDistances(List<PointF> points, int k) { int n = points.Count; double[] kDist = new double[n]; for (int i = 0; i < n; i++) { List<double> distances = new List<double>(n - 1); for (int j = 0; j < n; j++) { if (i == j) continue; double dx = points[i].X - points[j].X; double dy = points[i].Y - points[j].Y; distances.Add(Math.Sqrt(dx * dx + dy * dy)); } distances.Sort(); kDist[i] = distances[k - 1]; // 第k近的距离，k从1开始计数 } return kDist; }需要强调一个边界条件：k不能大于n - 1，比如只有50个点时MinPts最多设49，实际上也没人会设这么大。在WinForm里展示k-dist曲线，可以把这个数组排序后画到一个新的Bitmap上，横轴是点编号，纵轴是距离值，最简单的方式是取纵轴最大值做归一化，然后逐点画折线。如果曲线没有一个明显的拐点，而是比较平滑地上升，说明点集分布比较均匀、没有明显的簇结构，这时候强行做DBSCAN聚类，结果往往不太可靠。
4.3 用固定点集做参数对照实验
有了参考起点之后，接下来的调参在界面上就能完成。我习惯的做法是：点一次“生成随机点”后不再重新生成，只在Eps和MinPts之间来回调整，这样每次跑聚类用的都是同一份点集，前后结果才有可比性。
| 参数状态 | 聚类典型表现 | 常见问题 |
|---|---|---|
| Eps过小 + MinPts正常 | 大部分点都是噪声，簇被拆得很碎 | 欠聚类 |
| Eps过大 + MinPts正常 | 所有点聚成一两个大簇，没有分离度 | 过聚类 |
| Eps正常 + MinPts=1 | 噪声点几乎消失，每个密集区都分裂 | 失去聚类意义 |
| Eps取k-dist拐点 + MinPts=4 | 簇数合理，噪声点清晰可辨 | 仍需微调边界点 |
实际操作时，先把MinPts设为4，把Eps从小往大拖，对比点集从“全部噪声”变成“簇数逐渐减少”的整个过程，你会对Eps的敏感度有非常直观的感受。再反过来固定Eps，把MinPts从1往大拖，观察噪声点变多、簇变少的变化。经过这样一轮对照，再回到k-dist曲线给的参考值，基本就能锁定一个合理的参数区间。
5. 避坑指南：调试DBSCAN Demo常见的几次翻车
这一章挑几条实际调这个Demo时翻过车的记录，每条都按现象、原因、解决的思路拆开写，方便对照排查。
5.1 参数相关的坑：把聚类结果调“好看”前的三种错过
坑一：Eps设得太大，界面上所有点被涂成同一个颜色
现象：点生成后，不管怎么调MinPts，整个画布上几乎只有一种颜色，噪声点数量为0，簇的数量始终是1。
原因：Eps一旦大于点集内部的最大点间距，每个点的邻域范围都能把其他点全部包进来，所有点的邻域计数都大于MinPts，于是从第一个点扩展时就把全图都拉进同一个簇。
解决：先看一下画布的尺寸和点集分布范围，再用k-dist曲线求参考值。Demo里画布大约是500×300这个量级，Eps从5到30这个区间通常能看到明显的簇数变化，超过100基本就会全图一色。这个坑在机器视觉场景里的危害更大，检测出的缺陷坐标如果聚类半径设置不当，会把不同区域的缺陷合并成一个大簇，直接影响后续分析。
坑二：MinPts设成1，结果全是密密麻麻的小碎簇
现象：点集里稍微有一点聚集的地方就被单独划分成一个簇，噪声点几乎不存在，聚类结果从几簇变成几十簇。
原因：MinPts=1时，任何点只要邻域非空就满足核心点条件。而一个点和它最近邻的距离通常都小于Eps，所以几乎每个点都能成为核心点，密度稍高的区域会被拆成很多个碎片簇。
解决：按二维数据的经验值，MinPts至少取4。如果对业务场景没有明确把握，顺着4往大了调，比如6、8，可以看到簇的颗粒度会变粗。要记住MinPts的物理含义是“一簇中至少要有几个点”，如果业务上认为每簇至少应该包含10个点，那MinPts就该设为10，而不是拍脑袋填个1。
坑三：Eps设太小，点全部变成灰色噪声
现象：聚类执行后画布上几乎没有彩色点，全部被涂成噪声的浅灰色。
原因：Eps小于绝大多数点之间的最小距离，任何点的邻域里都只有自己，邻域计数为0，必然小于MinPts，所有点都被标成噪声。
解决：从k-dist曲线的最小值往上找起点，或者直接观察点集里最近的一对点之间的距离作为参考。实际调参时，我习惯把Eps先从1开始，每次乘2往上试，很快就能找到一个让簇结构浮现出来的量级。
5.2 绘图与数据层面的坑：画布闪烁和随机点翻车
坑四：拖动Eps时画布疯狂闪烁
现象：用鼠标拖动numEps的上下按钮时，画布区域不断闪烁，有时甚至短暂白屏，聚类点越多越明显。
原因：WinForm控件默认没有启用双缓冲，而且每次赋值BackgroundImage都会触发整块区域重绘，旧的Bitmap和新的Bitmap交替显示时就产生了闪烁。
解决：在窗体构造函数里加一行DoubleBuffered = true;，让控件先在内存里完成绘制再一次性上屏。另外注意替换BackgroundImage时把旧对象Dispose掉，否则频繁生成新的Bitmap会导致内存占用持续上涨，这也是演示程序跑久了会变卡的隐藏原因。
public TestForm() { InitializeComponent(); DoubleBuffered = true; // 开启双缓冲，避免重绘闪烁 } private void SetCanvasBackground(Bitmap bmp) { if (_canvasPanel.BackgroundImage != null) { _canvasPanel.BackgroundImage.Dispose(); // 释放旧位图 } _canvasPanel.BackgroundImage = bmp; }坑五：随机点每次运行都不一样，调好的参数下次对不上
现象：好不容易把一组参数调出了漂亮的聚类效果，关掉程序重新运行，同样的参数跑出来的点分布完全不同，效果也变了。
原因：new Random()默认使用当前时间作为种子，每次启动程序生成的随机点序列都不一样。对于演示程序，点集变化后聚类结果跟着变，参数无法复现。
解决：调试阶段把随机种子固定下来，比如new Random(42)。发布给用户做演示时再改成不固定种子，让每次运行都有新鲜感。这个习惯在工程调试里非常实用，尤其是要反复验证算法正确性时，一份可复现的点集是前提。
6. 让结果更可信：自检数据集、重复性验证与格网索引优化
把聚类结果画出来只算完成了一半，另一个经常被忽略的问题是结果可复现和可验证。我在演示这个Demo时会额外做两件事：先用一个已知答案的小数据集验证算法实现，再用固定种子做回归对比。
已知答案的小数据集很好构造，比如三个明显分开的点团，每个点团80个点左右，圆心分布在画布不同位置，再加几个孤立的噪声点。跑聚类后如果簇数量正好是3、几个孤立点被标记成噪声，说明核心逻辑基本正确；如果簇数量对不上，问题通常出在边界点或噪声点的标记逻辑上。这个自检过程在TestForm里直接修改随机点生成逻辑就能做，比纯看界面上的彩色效果可靠得多。
数据量大了以后，朴素邻域查找的O(n²)会拖慢程序。我一般会加一个简单的格网索引：把画布按Eps大小切成格子，每个点只查自己所在格子及周围8个格子里的点，这样邻域查找的范围大幅缩小，点到两三千时依然能保持流畅。格网索引实现不复杂，核心是把每个点映射到对应的格子坐标，用一个Dictionary<(int, int), List<int>>存下格子编号到点索引的映射。从那以后我每次做聚类演示，都强制走一遍固定种子、自检数据集、再谈参数优化的流程，这个习惯帮我省掉了不少“调好又跑飞”的返工。希望帮到你。
本文还有配套的精品资源，点击获取
