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_sample_image
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt
import numpy as np

flower = load_sample_image("flower.jpg")
#plt.imshow(flower)
#plt.show()

image = flower[::2,::2] #降低分辨率
#plt.imshow(image)
#plt.show()
X = image.reshape(-1,3)
print(flower.shape,image.shape,X.shape)

x=image.reshape(-1,3)            #重造数组
n_colors = 64                    #(256,256,256)
model = KMeans(n_colors)    #64个聚类
labels = model.fit_predict(x)    #每个点的颜色分类，0-63种
colors = model.cluster_centers_    #64个聚类中心，颜色值
new_image=colors[labels]#进行颜色填充
new_image=image.reshape(214,320,3)
new_image=new_image.reshape(image.shape)    #还原原来的数组

plt.imshow(image)
plt.show()
plt.imshow(new_image.astype(np.uint8))#转换为数据类型
plt.show()

#查看图片大小
import sys
print('原图片大小：'+str(sys.getsizeof(flower)))
print("压缩后图片大小："+str(sys.getsizeof(new_image)))

import matplotlib.image as img
img.imsave('image.jpg',flower)
img.imsave('new_image.jpg',new_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/1998hxw/p/9945526.html