# 使用KMeans聚类算法压缩图像颜色
import numpy as np
from sklearn.cluster import KMeans
from PIL import Image
import matplotlib.pyplot as plt
# 打开并读取原始图像中的像素颜色值,转换为三维数组
imOrigin = Image.open('颜色压缩测试图像.jpg')
dataOrigin = np.array(imOrigin)
# 然后再转换为二维数组,-1表示自动计算该维度的大小
data = dataOrigin.reshape(-1,3)
# 使用KMeans聚类算法把所有像素的颜色值划分为4类
kmeansPredicter = KMeans(n_clusters=4)
kmeansPredicter.fit(data)
# 使用每个像素所属类的中心值替换该像素的颜色
# temp中存放每个数据所属类的标签
temp = kmeansPredicter.labels_
dataNew = kmeansPredicter.cluster_centers_[temp]
dataNew.shape = dataOrigin.shape
plt.imshow(dataNew)
plt.imsave('结果图像.jpg',dataNew)
plt.show()
运行时报错:
ValueError: Floating point image RGB values must be in the 0..1 range.
此时将 倒数第二行 plt.imsave('结果图像.jpg',dataNew)
修改为plt.imsave('结果图像.jpg',0.001*dataNew+0.5)
就可以了