图像处理（1）：K-means算法进行色彩压缩

K-means算法的理论网上一大堆，并且理论本身不难，所以直接跳过，注重实战。

首先导入包并且显示原图片：

from PIL import Image
import matplotlib.pyplot as plt
import numpy as np
from sklearn.cluster import MiniBatchKMeans
image=Image.open("./photo/PA261002.jpg")
m=np.asarray(image)
plt.figure(figsize=(18,24))
plt.imshow(m)

然后利用聚类算法K-means给这一堆像素设定一定数量的clusters，同属一个cluster聚类的像素就使用同一种颜色，从而实现色彩压缩的功能。

这里用到的是MiniBatchKmeans，相关参数详情可看MiniBatchKMeans

data=m/255.0 #把像素的范围变成0-1
data=data.reshape(-1,3)
kmeans=MiniBatchKMeans(16) #压缩成16种颜色

pred=kmeans.fit_predict(data)
new_colors=kmeans.cluster_centers_[pred]

pic_recolored=new_colors.reshape(m.shape)
plt.figure(figsize=(18,24))
plt.imshow(pic_recolored)

在fit_predict操作之后，所有的data都变成了压缩之后的颜色，即只有16种选择,pred表示的是对应的cluster编号（0-15号）

使用cluster_centers使得所有的色彩类别编号转换成对应的色彩像素（0-1）

然后reshape一下变成图片的格式（a,b,c)三维的

显示结果对比：
压缩前：

压缩后：

感觉像加了一层滤镜，如果把聚类的个数设的再少一点，图片颜色会越来越单调。比如4个clusters时就成这样了：