机器学习案例：k-means用于色彩压缩——基于Scikit-Learn

《Python数据科学手册》笔记

聚类算法的一个有趣应用是图像色彩压缩。高分辨率的图像可能包含几百万种颜色，但是其实很大一部分色彩通常不会被眼睛注意到，而且图像中的很多像素都拥有类似或者相同的颜色，因此，在需要的时候，我们可以对其进行压缩。在此，用k-means实现对一幅包含几百万种颜色的图像将近一百万压缩比的压缩处理。

图像来源：Scikit-Learn的datasets模块，原图像存储在一个三维数组（height,width,RGB）中，以0~255的整数表示红/蓝/绿信息。

压缩步骤为：

1.首先将数据变形为[n_samples,n_features]的特征矩阵形式，然后缩放颜色至其取值为0~1。

2.然后对像素空间（特征矩阵）使用k-means聚类，将1600万种颜色缩减到16种颜色。

3.用计算的结果对原始像素重新着色，即每个像素被指定为距离其最近的簇中心点的颜色。

原图和压缩图如下：

虽然压缩后的图片丢失了某些细节，但是图像总体上还是非常容易辨识的。

代码如下：

from sklearn.datasets import load_sample_image
china = load_sample_image("china.jpg")
data = china / 255.0 #将其颜色值转换成0~1区间值
data = data.reshape(427*640,3) #将数据变形为[n_samples,n_features]矩阵格式
#用16中颜色对图像进行聚类
from sklearn.cluster import MiniBatchKMeans
kmeans = MiniBatchKMeans(16) 
kmeans.fit(data)
new_colors = kmeans.cluster_centers_[kmeans.predict(data)]
china_recolored = new_colors.reshape(china.shape)
fig,ax = plt.subplots(1,2,figsize=(16,6),subplot_kw=dict(xticks=[],yticks=[]))
fig.subplots_adjust(wspace=0.05)
ax[0].imshow(china)
ax[0].set_title('Original Image',size=16)
ax[1].imshow(china_recolored)
ax[1].set_title('16-color Image',size=16)