KMeans 算法应用于 RGB 图像压缩

本文探讨了KMeans算法如何用于RGB图像压缩,这是一种有损压缩方法,通过聚类色彩空间来减少图像数据。随着聚类数量增加,压缩质量提升但压缩比下降。压缩过程将图像像素映射到聚类中心,用更少的位表示图像,恢复时按映射还原RGB值。尽管压缩后文件大小减小,内存中显示时仍需还原,占用空间与原图相同。示例展示了不同聚类数量对压缩图像质量的影响。
摘要由CSDN通过智能技术生成

KMeans 算法应用于 RGB 图像压缩

KMeans算法可以应用于图像压缩,这种压缩实质上是一种有损压缩,实质上是将原本的色彩空间进行聚类,当所聚类的数据增长时,压缩后的质量也随之增加。

关于聚类算法的的介绍和具体处理步聚就是在这里细讲,主要是讲解关于 KMeans 应用于图像压缩的实质和实现

从下图可以看到对一张原图使用 KMeans 使用聚类算法进行压缩时,首先要将原来的图像的所有像素放置到一个相同维度的容器,例如Numpy中的Array,然后进行进聚类,最终聚类的个数需要指定,聚类个数越大,压缩后的图像质量也就越好,但压缩比就降低,即压缩后的文件大小变化并不明显。注意在保存的压缩文件,压缩的图像坐标[x,y]所对应的并不是这个像素的 RGB 值,而是一个类似于指针的 Index。如下所的例子,原图所有像素聚类后的中心点有64个,那么可以用6bit 来表示( 2 6 = 64 2^6=64

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值