KMeans方法(待续…)
通过kmeans方法将图像通过像素点大小值的不同进行聚类
比如下图的乔巴
通过kmeans聚类得到
import numpy as np
import PIL.Image as image #PIL即python image library
from sklearn.cluster import KMeans
def loadData(filePath):
f = open(filePath,'rb')
data = []
img = image.open(f) #打开图像
m,n = img.size #获取图像尺寸
for i in range(m):
for j in range(n):
x,y,z = img.getpixel((i,j)) #得到图像像素(rgb值)如果是png图像,要再加一个h参数
data.append([x/256.0,y/256.0,z/256.0])
f.close()
return np.mat(data),m,n
imgData,row,col = loadData('C:/Users/Lenovo/Desktop/2.jpg')
label = KMeans(n_clusters=3).fit_predict(imgData) #聚类,获得每个像素的类别(有3类)
label = label.reshape([row,col])
pic_new = image.new("L", (row, col))
# 将图像缩小为0-1之间的数
for i in range(row):
for j in range(col):
pic_new.putpixel((i,j), int(256/(label[i][j]+1)))
pic_new.save("C:/Users/Lenovo/Desktop/result-bull-4.jpg", "JPEG") #保存