【聚类K-Means应用图像分割】K-Means应用图像分割实例

目标：利用Kmeans对图像像素点颜色进行聚类实现简单的图像分割

输出：同一聚类中的点使用相同颜色标记，不同聚类颜色不同

#目标：利用Kmeans对图像像素点颜色进行聚类实现简单的图像分割
#输出：同一聚类中的点使用相同颜色标记，不同聚类颜色不同
import numpy as np
import PIL.Image as image  #加载PIL包，用于加载创建图片
from sklearn.cluster import KMeans


def loadData(filePath):
    f = open(filePath, 'rb')        #以二进制方式打开文件
    data = []
    img = image.open(f)             #以列表形式返回图片像素值
    print("img是这样的:",img)
    print("img的type:",type(img))
    m, n = img.size                 #图片大小
    print("图片大小",m,n)
    print(img.mode)                 #红色（R）0 到 255 间的整数，代表颜色中的红色成分。。绿色（G）0 到 255 间的整数，代表颜色中的绿色成分。蓝色（B）0 到 255 间的整数，代表颜色中的蓝色成分。透明度（A）取值 0~1 之间， 代表透明度。

    for i in range(m):              #将每个像素点RGB颜色处理到0——1
        for j in range(n):          #范围内并存进data
            r, g, b = img.getpixel((i, j))                                   #rgba这里多了一个维度a
            data.append([r / 256.0, g / 256.0, b / 256.0])
    f.close()
    return np.mat(data), m, n       #以矩阵形式返回data，以及图片大小


imgData, row, col = loadData('violet_evergarden.png')
print(imgData.shape)
print(row,col)


label = KMeans(n_clusters=4).fit_predict(imgData)   #聚类获得每个像素所属类别，人为分几类
# print(label)
print(label.shape)
# print(type(label))
# setlabel=set(label.ravel())
# print(setlabel)
# print(len(setlabel))
label = label.reshape([row, col])
print(label)
print(label.shape)
print(type(label))

color = [(0,0,255),(255,255,0),(238,130,238),(0,255,0)]        #建立四种不同颜色rgb值，4就是n_clusters的值

# pic_new = image.new("L", (row, col))                #创建一张新的灰度图保存聚类后的结果
pic_new = image.new("RGB",(row, col))
for i in range(row):
    for j in range(col):
        pic_new.putpixel((i, j), color[label[i][j]])
        # pic_new.putpixel((i, j), int(256 / (label[i][j] + 1)))      #根据所属类别向图片中添加灰度值


pic_new.save("violet_evergarden_new.jpg", "JPEG")      #以JPEG格式保存图像

结果：