4.K均值算法--应用

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

实现代码：

from sklearn.datasets import load_sample_image
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt
import numpy as np
import sys

china = load_sample_image("china.jpg")  #读取图片暂存在china里
image = china[::3,::3]  #改变原图片尺寸
X = image.reshape(-1,3) #线性化，对颜色分类
print(china.shape,image.shape,X.shape)
print("原图片数据结构：\n",china)

n_colors = 64
model=KMeans(n_colors)  #用k均值对颜色进行聚类为64种颜色
label=model.fit_predict(X)  #对每个点颜色进行分类 0-63
colors=model.cluster_centers_   #根据64个聚类中心的颜色进行分类
new_china=colors[label].reshape(image.shape)    #聚类中的颜色代替原色
print("每个像素的类别:\n",label)
print("每个类别的颜色:\n",colors)

plt.imshow(china)
plt.show()
plt.imshow(new_china.astype(np.uint8))  #颜色均值为浮点型转为整形
plt.show()

print("原图片大小：",china.size)
print("原图片占内存大小：",sys.getsizeof(china))
print("压缩后图片大小：",new_china.size)
print("压缩后图片占内存大小：",sys.getsizeof(new_china))

运行结果：

原图片：

 

压缩后图片：

 

 图片各参数：