-
from sklearn.datasets import load_sample_image from sklearn.cluster import KMeans import matplotlib.pyplot as plt china = load_sample_image("china.jpg") plt.imshow(china) plt.show() china.shape运行结果：
-
import matplotlib.image as img cc = img.imread('C:\Users\HY\Pictures\cc.jpg') plt.imshow(cc) plt.show()运行结果：
-
plt.imshow(cc[:,:,0]) #提取第三列颜色 plt.show
运行结果：
-
print(cc.shape) cc
运行结果：
-
image = cc[::3, ::3] #降低分辨率 X = image.reshape(-1,3) import numpy as np print(cc.shape,image.shape,X.shape) #输出分辨率 n_colors = 64 #(256,256,256) model = KMeans(n_colors) labels = model.fit_predict(X) #每个点的颜色分类，0-63 colors = model.cluster_centers_ #64个聚类中心，颜色值 plt.imshow(image); plt.show() plt.imshow(image.astype(np.uint8)) plt.show()
运行结果：
-
import sys plt.imsave('C:\Users\HY\Pictures\image.jpg',image) #保存图片 plt.imsave('C:\Users\HY\Pictures\cc.jpg',cc) p1_size = sys.getsizeof('C:\Users\PC\Desktop\tp\cc.jpg') #压缩前后对比 p2_size = sys.getsizeof('C:\Users\PC\Desktop\tp\image.jpg') print('压缩前：'+str(p1_size)," 压缩后："+str(p2_size))运行结果： #保存在C:Users\HYPictures 路径下的cc,image图
-
在M、N桶里分别抽出红球的概率运算结果如下图
