聚类算法用于降维，KMeans的矢量量化应用（图片压缩）

---

案例实战：聚类算法用于降维，KMeans的矢量量化应用

1、导入相关库

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans
from sklearn.metrics import pairwise_distances_argmin
from sklearn.datasets import load_sample_image
from sklearn.utils import shuffle

2、读取数据

flower=load_sample_image('flower.jpg')

plt.imshow(flower)

3、数据处理

w,h,d=flower.shape
flower_array=np.reshape(flower,(w*h,d))
flower_array

图片数据为三维数据，第三维数据为像素信息，将其转化为二维数据，带入模型

4、对数据进行KMeans的矢量量化

image_array_sample=shuffle(flower_array,random_state=0)[:1000]
kms=KMeans(n_clusters=k,random_state=0).fit(image_array_sample)

label=kms.predict(flower_array)

image_kmeans=flower_array.copy()
for i in range(w*h):
    image_kmeans[i]=kms.cluster_centers_[label[i]]

pd.DataFrame(image_kmeans).drop_duplicates().shape

image_kmeans=image_kmeans.reshape(w,h,d)

shuffle：该函数是将图片二维数据随机排序，类似于洗牌，取出前1000个色素信息，训练模型，确定质心，然后利用已知质心再去分类所有的二维图片色素信息，分为k类，然后将这k类中的质心色素代替新的图片色素信息，再将二维数据改为三维，成为图片格式。

5、对数据进行随机矢量量化

random_sample=shuffle(flower_array,random_state=0)[:k]
labels_random=pairwise_distances_argmin(random_sample,flower_array,axis=0)

image_random=flower_array.copy()
for i in range(w*h):
    image_random[i]=random_sample[labels_random[i]]
    
image_random=image_random.reshape(w,h,d)

随机取出k个色素数据
pairwise_distances_argmin（x，y）
返回和y一样的结构，该结构中是从x中找出y每个元素到x欧式距离最小样本的索引，和上面的label类似

6、画图，查看结果

plt.figure(figsize=(10,10))
plt.axis('off')
plt.title('original')
plt.imshow(flower)

plt.figure(figsize=(10,10))
plt.axis('off')
plt.title('KMeans')
plt.imshow(image_kmeans)

plt.figure(figsize=(10,10))
plt.axis('off')
plt.title('Random')
plt.imshow(image_random)

由上图可以看出用KMeans压缩的图片和原图片差不多，因为KMeans是将所有色素信息聚类，不同类的色素信息用该类的中心点代替，所以颜色并没有什么缺失
然而随机取出的色素来代替，颜色会有缺失，因为随机选取色素的过程中丧失了主要的色素信息。