K-means聚类以及利用K-means来压缩图像

K-means聚类算法

1.聚类概念
      聚类属于无监督学习（无类别标签）。聚类就是相似的东西分到一组。
2.K-means基本概念
      要得到簇的个数，需要指定K值。
      质心：均值，即向量各维取平均即可。
      距离的度量：常用欧几里得距离和余弦相似度（先标准化）
      优化目标：$\min {\sum _{i=1}^K\sum _{x\in C_i}dist\left(C_i,x\right)}^2$其中$C_i$表示簇。
3. K-means 算法
（1）Clustering 中的经典算法，数据挖掘十大经典算法之一。
（2）算法接受参数 k ；然后将事先输入的n个数据对象划分为 k个聚类以便使得所获得的聚类满足：同一聚类中的对象相似度较高；而不同聚类中的对象相似度较小。
（3）算法思想：以空间中k个点为中心进行聚类，对最靠近他们的对象归类。通过迭代的方法，逐次更新各聚类中心的值，直至得到最好的聚类结果。
（4）算法描述
      ①适当选择k个类的初始中心；
      ②在第i次迭代中，对任意一个样本，求其到各个中心的距离，将该样本归到距离最短的中心所在的类；
      ③利用均值等方法更新该类的中心值；
      ④对于所有的k个聚类中心，如果利用（2）（3）的迭代法更新后，值保持不变，则迭代结束，否则继续迭代。
（5）算法流程
      输入：k, data[n];
      ① 选择k个初始中心点，例如c[0]=data[0],…c[k-1]=data[k-1];
      ② 对于data[0]….data[n], 分别与c[0]…c[k-1]比较，假定与c[i]差值最少，就标记为i;
      ③ 对于所有标记为i点，重新计算c[i]={ 所有标记为i的data[j]之和}/标记为i的个
数；
      ④ 重复(2)(3),直到所有c[i]值的变化小于给定阈值。
4.优劣势
（1）优势
      简单，快速，适合常规数据集。
（2）劣势
      K值难确定；复杂度与样本呈线性关系；很难发现任意形状的簇；最终结果跟初始点选择相关；容易陷入局部最优。
5.利用K-means进行图像压缩
      在图像压缩问题中，K均值聚类算法会把类似的颜色分别放在K个簇中——也就是说，每个簇的颜色都变成了一种。因此，我们只需要保留每个像素的标签（表明该像素在哪个簇中），以及每个簇的颜色编码即可完成图像的压缩。
（1）原始图片展示

from sklearn.cluster import KMeans
from skimage import io
import numpy as np

image = io.imread('test2.jpg')
io.imshow(image)
io.show()

# shape[0]：行，shape[1]：列，shape[2]：channel，图片通道数，1：表示黑白色，3：表示彩色（rgb）
image.shape

输出结果：(154, 160, 3)
（2）进行压缩处理

rows = image.shape[0]
cols = image.shape[1]
# image[0,0,:]：表示在第一个像素点的位置上的rgb取值，位置（0,0），reshape之后呢，位置变成（0）
image = image.reshape(rows*cols,3)
# n_init:每一次算法运行时开始的centroid seeds是随机生成的, 
# 这样得到的结果也可能有好有坏. 所以要运行算法n_init次, 取其中最好的（时间最短的）.
kmeans = KMeans(n_clusters=128,n_init=10,max_iter=200)
kmeans.fit(image)

clusters = np.asarray(kmeans.cluster_centers_,dtype=np.uint8)
labels = np.asarray(kmeans.labels_,dtype=np.uint8)
labels = labels.reshape(rows,cols)
print(clusters.shape)
np.save('codebook_test.npy',clusters)
io.imsave('compressed_test.jpg',labels)

输出结果：(128, 3)
（3）显示压缩后的图片

image = io.imread('compressed_test.jpg')
io.imshow(image)
io.show()