K-means算法应用：图片压缩

1. 用K-means算做图片压缩

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。

根据图片的分辨率，可适当降低分辨率。

再用k均值聚类算法，将图片中所有的颜色值做聚类。

然后用聚类中心的颜色代替原来的颜色值。

形成新的图片。

观察原始图片与新图片所占用内存的大小。

将原始图片与新图片保存成文件，观察文件的大小。

 

​from sklearn.datasets import load_iris
iris=load_iris()
iris.data

　　

​from sklearn.datasets import load_sample_image
china=load_sample_image('china.jpg')
print(china.shape)
china

　　

import matplotlib.pyplot as plt
plt.imshow(china,plt.cm.gray)
plt.show()

　　

​plt.imshow(china[:,:,0],plt.cm.gray)
plt.show()

　　

​from sklearn.datasets import load_sample_image
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt
import numpy as np

china=load_sample_image('china.jpg')
plt.imshow(china)
plt.show()

image=china[::3,::3]
image.shape

plt.imshow(image)
plt.show()

x=image.reshape(-1,3)

model=KMeans(n_clusters=64)
b=model.fit_predict(x)
a=model.cluster_centers_
a[b]

　　

​import sys
sys.getsizeof(china)

　　

​sys.getsizeof(image)

　　

​import matplotlib.image as img
img.imsave('D://01.jpg',china)
img.imsave('D://02.jpg',image)

　　

 

　　

2. 理解贝叶斯定理：

• M桶：7红3黄
• N桶：1红9黄
• 现在：拿出了一个红球
• 试问：这个红球是M、N桶拿出来的概率分别是多少？

把计算过程与结果拍照发上来。

 

转载于:https://www.cnblogs.com/ljy28/p/9945581.html