作业4

1. 应用K-means算法进行图片压缩

读取一张图片

观察图片文件大小,占内存大小,图片数据结构,线性化

用kmeans对图片像素颜色进行聚类

获取每个像素的颜色类别,每个类别的颜色

压缩图片生成:以聚类中收替代原像素颜色,还原为二维

观察压缩图片的文件大小,占内存大小

 

2. 观察学习与生活中可以用K均值解决的问题。

从数据-模型训练-测试-预测完整地完成一个应用案例。

这个案例会作为课程成果之一,单独进行评分。

答:

1. 应用K-means算法进行图片压缩

读取一张图片

观察图片文件大小,占内存大小,图片数据结构,线性化

kmeans对图片像素颜色进行聚类

获取每个像素的颜色类别,每个类别的颜色

压缩图片生成:以聚类中收替代原像素颜色,还原为二维

观察压缩图片的文件大小,占内存大小

 

答:压缩前:

 

作业4_第1张图片

 

 

压缩后:

 

 作业4_第2张图片

 

 

 

 

数据:

 作业4_第3张图片

 

 

 

 作业4_第4张图片

 

 

 

 

 

代码如下:

from sklearn.datasets import load_sample_image

from sklearn.cluster import KMeans

import matplotlib.pyplot as plt

 

china = load_sample_image("flower.jpg")

plt.imshow(china)

plt.show()

print("原图片大小", china.size)

print("原图片类型:", china.dtype)

import sys

 

print("原图片占用的内存:", sys.getsizeof(china))

 

image = china[::3, ::3]  # 降低图片3倍分辨率

x = image.reshape(-1, 3)

model = KMeans(n_clusters=64)

labels = model.fit_predict(x)

colors = model.cluster_centers_

new_image = colors[labels].reshape(image.shape)

print("每个像素的类别:\n", labels)

print("每个类别的颜色:\n", colors)

 

##压缩图片

print("压缩后图片占用内存", sys.getsizeof(new_image))

print("压缩后图片大小", new_image.size)

plt.imshow(image)

plt.show()

import matplotlib.image as img

 

img.imsave("./saveflower.jpg", image)

 

你可能感兴趣的:(作业4)