吴恩达老师机器学习笔记K-means聚类算法（二）

运用K-means聚类算法进行图像压缩

趁热打铁，修改之前的算法来做第二个练习—图像压缩

原始图片如下：

代码如下：

X =imread('bird.png'); % 读取图片
X =im2double(X); % unit8转成double类型
[m,n,z]=size(X);
X=reshape(X,m*n,z);
x=zeros(m*n,z+1);
x(1:m*n,1:z)=X;
Z_min=9999999; 
centre_best=zeros(16,1); %最优颜色列表
y=zeros(m*n,1); % 最优类别结果
for iter=1:1 % 选择最优的聚类的结果
    start=round(rand(16,1)*(m*n-1)+1); % 随机化聚类中心
    start_centre=X(start,:);
    Z_sum=0;
    for j=1:200 % 判断样本距离最近的中心
        for i=1:m*n
            Z=sum((x(i,1:z)-start_centre(:,1:z)).^2,2);
            [min_value,min_index]=min(Z);
            x(i,z+1)=min_index;
        end
        for i=1:16 % 压缩成16种颜色
            start_centre(i,:)=mean(X(x(:,z+1)==i,:)); % 生成新的聚类中心
        end
    end
    for i=1:m*n % 计算成本函数
        Z_sum=sum((x(i,1:z)-start_centre(x(i,z+1),1:z)).^2,2)+Z_sum;
    end
    if Z_min>Z_sum % 选取成本最小的结果作为最优结果
       Z_min=Z_sum;
       y=x(:,z+1);    
       centre_best=start_centre;
    end       
end
for i=1:n*m
    x(i,1:z)= centre_best(y(i,:),:);
end
x(:,4)=[];
X=reshape(x,m,n,z);
imshow(X,[]); % 显示图片

压缩结果如下：