机器学习四——K均值算法--应用

1. 应用K-means算法进行图片压缩

（1）读取一张图片

china = load_sample_image("china.jpg")  # 读取一张图片
plt.imshow(china)　　　　　　　　　　　　# 观察图片文件大小
img.imsave("G:\\ttt\\China.jpg",china) # 保存图片

 

 

 

（2）观察图片文件大小，占内存大小，图片数据结构，线性化

os.path.getsize('G:\\ttt\\China.jpg')   # 观察图片文件大小
sys.getsizeof(china)   #占内存大小
china   # 观察图片数据结构
image = china[::3,::3]  
X = image.reshape(-1,3) ##线性化

 

 

 

 

 

 

（3）用kmeans对图片像素颜色进行聚类

n_colors = 64     #设置类中心64个
model = KMeans(n_colors)    
labels = model.fit_predict(X)  #对模型进行训练并且给每个像素分类
colors = model.cluster_centers_ #获取每个类别的颜色

（4）获取每个像素的颜色类别，每个类别的颜色

（5）压缩图片生成：以聚类中心替代原像素颜色，还原为二维

new_image = colors[labels].reshape(image.shape)  
newImg = plt.imshow(new_image.astype(np.uint8))

（6）观察压缩图片的文件大小，占内存大小

newImg = new_image.astype(np.uint8)
img.imsave("G:\\ttt\\ChinaNew.jpg",newImg)

 

 

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。