数据科学【七】：聚类（三）

数据科学【七】：聚类（三）

本文数据为CIFAR-10 dataset

加载数据集

打开“batch_1”， 并随机显示一个图像：

import pickle
import numpy as np
import random

with open("data_batch_1", 'rb') as f_batch:
    data_dict = pickle.load(f_batch, encoding='bytes')

image_datas = data_dict[b'data']
random_idx = random.randint(0, len(image_datas)-1)

image_array = np.reshape(image_datas[random_idx], (3, 32, 32)).transpose(1, 2, 0)
plt.imshow(image_array)
plt.show()

这是🐎。

基于聚类的图像压缩

对于每一个像素，可将其视为一个数据。我们将以上图片的所有像素进行聚类，得到四个聚类，然后将每一像素用其所属聚类中心替换：

pixels = np.reshape(image_array, (32*32, 3))
kmeans_d = KMeans(n_clusters = 4)
kmeans_d.fit(pixels)
pixel_labels = kmeans_d.labels_
center_colors = kmeans_d.cluster_centers_
pixel_labels_2d = np.reshape(pixel_labels, (32, 32))
image_avg_array = image_array
for i in range(32):
    for j in range(32):
        image_avg_array[i][j] = center_colors[pixel_labels_2d[i][j]]

plt.imshow(image_avg_array)
plt.show()

批量处理

我们可以实现一个函数，对整个数据集应用这种变换：

def trans(idx, K):
    image_array = np.reshape(image_datas[idx], (3, 32, 32)).transpose(1, 2, 0)
    pixels = np.reshape(image_array, (32*32, 3))
    kmeans_e = KMeans(n_clusters = K)
    kmeans_e.fit(pixels)
    pixel_labels = kmeans_e.labels_
    center_colors = kmeans_e.cluster_centers_
    pixel_labels_2d = np.reshape(pixel_labels, (32, 32))
    image_avg_array = image_array
    for i in range(32):
        for j in range(32):
            image_avg_array[i][j] = center_colors[pixel_labels_2d[i][j]]
    plt.imshow(image_avg_array)
    plt.show()
    
def all_trans(K):
    for i in range(len(image_datas)):
        trans(i, K)