利用K-Means对图片进行压缩

之前在几次建模比赛中也用到了K-Means，但当时都是用SPSS做的，一顿操作就完了，没有了解到原理和代码方面的东西。在此记录一下用K-Means聚类法对图片进行压缩实战，方便以后复习。

# -*- coding: utf-8 -*-
#K-Means聚类用在图像压缩

#导入KMeans库
from skimage import io
from sklearn.cluster import KMeans
import numpy as np

image = io.imread('tiger.png') #读图片
io.imshow(image)
io.show()  #先看看长啥样

#看看行、列有多少个像素点
rows = image.shape[0]
cols = image.shape[1]

image = image.reshape(image.shape[0]*image.shape[1],3) #行*列变成2D，3个颜色通道
kmeans = KMeans(n_clusters = 128, n_init=10, max_iter=200)  #聚类256->128个簇；迭代次数200
kmeans.fit(image)

clusters = np.asarray(kmeans.cluster_centers_,dtype=np.uint8) 
labels = np.asarray(kmeans.labels_,dtype=np.uint8 ) #像素点发生变化 
labels = labels.reshape(rows,cols)  #再返回成图像

print (clusters.shape)
np.save('codebook_test.npy',clusters)    
io.imsave('compressed_test.jpg',labels)  #保存新图

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

出现了比较丑的黑白老虎…