-*- coding: utf-8 -*-
import numpy as np
import PIL.Image as image #导入PIL包,用于打开和创建图片
from sklearn.cluster import KMeans #导入Kmeans算法包
def loadData(filePath): #加载图片
f = open(filePath,'rb') #以二进制形式打开图片
data = []
img = image.open(f) #以列表形式返回图片像素值
m,n = img.size #获得图片大小
for i in range(m): #将每个像素点的颜色值压缩到0-1之间,目的是对特征属性作归一化处理
for j in range(n):
x,y,z = img.getpixel((i,j))
data.append([x/256.0,y/256.0,z/256.0]) #data保存了每个像素点颜色的RGB分量值
f.close()
return np.mat(data),m,n
imgData,row,col = loadData('./44.jpg')
#聚类获得每个像素点所属的类别
label = KMeans(n_clusters=3).fit_predict(imgData)
#将类别值转换成二维数组形式,以便和像素点相对应
label = label.reshape([row,col])
#创建一张新的灰度图像保存聚类后的结果
pic_new = image.new("L", (row, col))
#根据所属类别向图片中添加灰度值
for i in range(row):
for j in range(col):
pic_new.putpixel((i,j), int(256/(label[i][j]+1)))
#print(int(256/(label[i][j]+1)))
pic_new.save("che-2.jpg", "JPEG") #以JPEG格式保存图像
聚类算法实现车牌识别
最新推荐文章于 2024-08-14 11:57:07 发布