整图分割~

import os
import numpy as np
from PIL import Image
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt
os.environ['LOKY_MAX_CPU_COUNT'] = '4'
def loadData(filePath): # 加载图像并进行预处理，将像素值归一化到0-1之间。
    try:
        img = Image.open(filePath)  # 打开图像文件
    except FileNotFoundError:
        raise FileNotFoundError(f"文件路径 {filePath} 不存在，请检查路径。")
    img = img.convert('RGB')  # 确保图像是RGB格式
    data = []
    m, n = img.size  # 获取图像的尺寸
    for i in range(m):  # 将每个像素点的RGB颜色处理到0-1
        for j in range(n):
            x, y, z = img.getpixel((i, j))
            data.append([x / 256.0, y / 256.0, z / 256.0])  # 范围内并存入data
    return np.array(data), m, n  # 以数组的形式返回data，以及图像尺寸
def createSegmentedImage(labels, centers, row, col): # 根据聚类结果创建分割后的图像。
    segmented_img = Image.new('RGB', (row, col))
    for i in range(row):
        for j in range(col):
            cluster_idx = labels[i * col + j]
            color = tuple((centers[cluster_idx] * 256).astype(int))
            segmented_img.putpixel((i, j), color)
    return segmented_img
def segmentImage(filePath, n_clusters): # 利用K-means聚类算法对图像像素点颜色进行聚类，实现简单的图像分割。
    imgData, row, col = loadData(filePath)
    # 加载KMeans聚类算法
    km = KMeans(n_clusters=n_clusters)
    km.fit(imgData)
    # 获取每个像素所属的类别
    labels = km.labels_
    centers = km.cluster_centers_
    # 读取原始图像
    original_img = Image.open(filePath)
    # 创建分割后的图像
    segmented_img = createSegmentedImage(labels, centers, row, col)
    # 使用subplot同时显示原图和分割后的图像
    plt.figure(figsize=(12, 6))
    plt.subplot(1, 2, 1)
    plt.imshow(original_img)
    plt.title('Original Image')
    plt.axis('off')
    plt.subplot(1, 2, 2)
    plt.imshow(segmented_img)
    plt.title('Segmented Image')
    plt.axis('off')
    plt.show()
if __name__ == "__main__":
    path = 'D:/Python/Pythonproject/Pythonproject1/K_means_10.jpg'
    n_clusters = 3  # 设置聚类的数量
    segmentImage(path, n_clusters)