用k-MEANS进行图片压缩

用k-MEANS进行图片压缩

算法步骤：

1.先从没有标签的元素集合A中随机取k个元素作为k个子集各自的中心
2.分别计算剩下的元素到k个子集中心的距离，将这些元素分别划归到最近的子集
3.根据聚类结果，重新计算中心（子集中所有元素各个维度的算数平均数）
4.将集合A中全部元素按照新的中心然后再重新聚类
重复以上步骤，直到聚类的结果不再发生变化

k值的选择

SSE（累积均方误差）为纵轴，K为横轴，画出曲线，选取拐点对应的k值为类别数

压缩图片

该图片分辨率为512 * 512，三通道为r,g,b(三原色），可将图片转换为512 * 512个样本点的数集，每个样本点可由三原色的数值表示，本案例将512 * 512个样本点压缩为16 类，即进行了图片压缩

#第一步：导入将运用的包
import matplotlib.pyplot as plt # plt 用于显示图片
import matplotlib.image as mpimg # mpimg 用于读取图片
from sklearn.cluster import KMeans#进行KMEANS聚类
import numpy as np
#第二步：导入图片，将图片转换为数据集
pixel = mpimg.imread('lena_cor.jpg')
pixel = pixel.reshape((512*512 , 3))
#第三步：进行聚类
kmeans = KMeans(n_clusters=16, random_state=0).fit(pixel)#当然K可以选择其他
#第四部：将数据集转换为图片
newPixel = []
for i in kmeans.labels_:
    newPixel.append(list(kmeans.cluster_centers_[i,:]))
newPixel = np.array(newPixel)
newPixel = newPixel.reshape((512,512,3))
newPixel=newPixel.astype(np.uint8)#样本点值是整型8位
#第五步：保存图片
mpimg.imsave('compressed_lena.jpg',newPixel)