Python之----KMeans算法处理图像与MiniBatchKMeans(小批量处理算法)处理图像

1、KMeans算法

from PIL import Image
import matplotlib.pyplot as plt
import numpy as np
from sklearn.cluster import KMeans, MiniBatchKMeans
import datetime
if __name__ == "__main__":
    A = Image.open("photo.jpg", 'r')  #请输入彩色图像文件
    rawimage = np.asarray(A)
    h,w=A.size         #记录原始图像的尺寸
    plt.imshow(rawimage)
    plt.show()
    data = rawimage/ 255.0  # 把像素的范围变成0-1
    data = data.reshape(-1, 3)
    k=8             #设置颜色聚类的类别个数(我们分别设置8,16,32,64,128进行对比)
    cluster = KMeans(n_clusters=k)  # 构造聚类器
    import time    #引入时间
    train_start = datetime.datetime.now()
    C_Image = cluster.fit_predict(data)
    train_end = datetime.datetime.now()
    Trainingtime = train_end - train_start
    print("训练总耗时为:%s(s)" % (Trainingtime).seconds)
    ClusterImage = C_Image.reshape(h,w, )  #设置为原来的尺寸
    plt.imshow(ClusterImage)
    plt.show()
plt.imsave(str(k)+'photo'+'_kMeans.png',ClusterImage)  #保存颜色压缩的图

运行结果:
原图
Python之----KMeans算法处理图像与MiniBatchKMeans(小批量处理算法)处理图像_第1张图片
8种颜色(耗时26s)
Python之----KMeans算法处理图像与MiniBatchKMeans(小批量处理算法)处理图像_第2张图片
16种颜色(耗时59s)
Python之----KMeans算法处理图像与MiniBatchKMeans(小批量处理算法)处理图像_第3张图片
32种颜色(耗时150s)
Python之----KMeans算法处理图像与MiniBatchKMeans(小批量处理算法)处理图像_第4张图片
64种颜色(耗时288s)
Python之----KMeans算法处理图像与MiniBatchKMeans(小批量处理算法)处理图像_第5张图片
128种颜色(耗时678s)
Python之----KMeans算法处理图像与MiniBatchKMeans(小批量处理算法)处理图像_第6张图片
从上面这几张图片颜色压缩的图可以看出,颜色越多,使用Kmeans算法进行颜色压缩的运行时长越长,时间上跳跃幅度大。并且图像的线条越来越不清晰了。
2、MiniBatchKMeans(小批量处理算法)

from PIL import Image
import matplotlib.pyplot as plt
import numpy as np
from sklearn.cluster import KMeans, MiniBatchKMeans
import datetime

if __name__ == "__main__":
    A = Image.open("photo.jpg", 'r')  #请输入彩色图像文件
    rawimage = np.asarray(A)
    h,w=A.size         #记录原始图像的尺寸
    plt.imshow(rawimage)
    plt.show()
    data = rawimage/ 255.0  # 把像素的范围变成0-1
    data = data.reshape(-1, 3)
    k=8             #设置颜色聚类的类别个数(我们同样分别设置8,16,32,64,128进行对比)
    cluster =MiniBatchKMeans(n_clusters=k, batch_size = 256, random_state=3)  # 构造聚类器
    import time    #引入时间
    train_start = datetime.datetime.now()
    C_Image = cluster.fit_predict(data)
    train_end = datetime.datetime.now()
    print("训练总耗时为:%s(s)" % (train_end - train_start).seconds)
    ClusterImage = C_Image.reshape(h,w, )  #设置为原来的尺寸
    plt.imshow(ClusterImage)
    plt.show()
plt.imsave(str(k)+'photo'+'_MiniBatchKMeans.png',ClusterImage)  #保存颜色压缩的图

运行结果:
原图
Python之----KMeans算法处理图像与MiniBatchKMeans(小批量处理算法)处理图像_第7张图片
8种颜色(耗时0s)
Python之----KMeans算法处理图像与MiniBatchKMeans(小批量处理算法)处理图像_第8张图片
16种颜色(耗时1s)
Python之----KMeans算法处理图像与MiniBatchKMeans(小批量处理算法)处理图像_第9张图片
32种颜色(耗时2s)
Python之----KMeans算法处理图像与MiniBatchKMeans(小批量处理算法)处理图像_第10张图片
64种颜色(耗时3s)
Python之----KMeans算法处理图像与MiniBatchKMeans(小批量处理算法)处理图像_第11张图片
128种颜色(耗时6s)
Python之----KMeans算法处理图像与MiniBatchKMeans(小批量处理算法)处理图像_第12张图片
对比前面的k-mean算法,我们不难发现小批量处理算法的耗时减少了很多,并且图像相对来说线条更为明显,可以看出MiniBatchKMeans小批量处理算法总体优于Kmean算法。

你可能感兴趣的:(Python-贪吃蛇,python,算法,kmeans,MiniBatchKMeans)