K-means算法应用：压缩图片

from sklearn.datasets import load_sample_image
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt
#读取一张示例图片或自己准备的图片，观察图片存放数据特点
china = load_sample_image("china.jpg")
plt.imshow(china)
plt.show()
print(china.shape)
china

#根据图片的分辨率，适当降低分辨率
image= china[::3,::3]#降低分辨率
X = image.reshape(-1,3)
plt.imshow(image)
plt.show()
print(image.shape,X.shape)

#用k均值聚类算法，将图片中所有颜色值做聚类。
n_color =64
model= KMeans(n_color)
labels=model.fit_predict(X) #每个点的颜色分类
color=model.cluster_centers_ #64个聚类中心，颜色值

 

#用聚类中心的颜色代替原来颜色，形成新图片
color[labels]
images=image.reshape(143, 214, 3)
print(images.shape)
plt.imshow(images)
plt.show()

#查看原始图片与新图片所占用内存的大小
import sys
print(sys.getsizeof(china))
print(sys.getsizeof(images))

#将原始图片与新图片保存文件，观察文件大小
import matplotlib.image as img
img.imsave("C:\\china.jpg",china)
img.imsave("C:\\china_zip.jpg",images)

 

 

转载于:https://www.cnblogs.com/nuan-z/p/9888355.html