作业4

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

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。

答：

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

 

答：压缩前：

压缩后：

 

数据：

 

 

代码如下：

from sklearn.datasets import load_sample_image

from sklearn.cluster import KMeans

import matplotlib.pyplot as plt

china = load_sample_image("flower.jpg")

plt.imshow(china)

plt.show()

print("原图片大小", china.size)

print("原图片类型:", china.dtype)

import sys

print("原图片占用的内存:", sys.getsizeof(china))

image = china[::3, ::3]  # 降低图片3倍分辨率

x = image.reshape(-1, 3)

model = KMeans(n_clusters=64)

labels = model.fit_predict(x)

colors = model.cluster_centers_

new_image = colors[labels].reshape(image.shape)

print("每个像素的类别： ", labels)

print("每个类别的颜色： ", colors)

##压缩图片

print("压缩后图片占用内存", sys.getsizeof(new_image))

print("压缩后图片大小", new_image.size)

plt.imshow(image)

plt.show()

import matplotlib.image as img

img.imsave("./saveflower.jpg", image)