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: