4 K均值算法--应用

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

 

 

完整的代码：

from matplotlib import pyplot as plt
from sklearn.cluster import KMeans
import matplotlib.image as img
import numpy as np
import sys
#1. 应用K-means算法进行图片压缩
# 读取一张图片
sunflower=plt.imread("D:\college3-2\4机器学习算法基础\image\sunflower.jpg")
plt.imshow(sunflower)
plt.show()
print("原图片文件大小：
",sunflower.size)
print("原图片占内存大小：
",sys.getsizeof(sunflower))
print("原图片数据结构：
",sunflower.shape,"

",sunflower)
image = sunflower[::6, ::6]  # 降低图片分辨率
print(image.shape)
X = image.reshape(-1, 3)  # 改变数组的形状
print(X.shape)
n_colors = 64
model = KMeans(n_colors)  # 聚类颜色64类，利用Kmeans对图片进行压缩
labels = model.fit_predict(X)   # 训练模型，获取每个像素的颜色类别，每个类别的颜色
colors = model.cluster_centers_ # 聚类中心
new_image = colors[labels].reshape(image.shape)  # 还原每个像素具体的颜色
plt.imshow(new_image.astype(np.uint8)) # 展示压缩后的图片
plt.show()
print("压缩后图片文件大小：
",new_image.size)
print("压缩后占内存大小：
",sys.getsizeof(new_image))
img.imsave("D:\college3-2\4机器学习算法基础\image\sunflower2.jpg",new_image.astype(np.uint8)) # 保存图片

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。）

见期末大作业