4.K均值算法--应用
2021-02-14 09:16
标签：sample enter 还原 src ict 技术 clust code 案例 1. 应用K-means算法进行图片压缩 读取一张图片 观察图片文件大小，占内存大小，图片数据结构，线性化 用kmeans对图片像素颜色进行聚类 获取每个像素的颜色类别，每个类别的颜色 压缩图片生成：以聚类中收替代原像素颜色，还原为二维 观察压缩图片的文件大小，占内存大小 完整代码： 压缩前照片： 压缩后照片： 压缩前后照片大小对比： 2. 观察学习与生活中可以用K均值解决的问题。 从数据-模型训练-测试-预测完整地完成一个应用案例。 这个案例会作为课程成果之一，单独进行评分。 4.K均值算法--应用 标签：sample enter 还原 src ict 技术 clust code 案例 原文地址：https://www.cnblogs.com/dreww/p/12722953.htmlfrom sklearn.datasets import load_sample_image
from matplotlib import pyplot as plt
from sklearn.cluster import KMeans
import numpy as np
import sys
#读取一张sklearn.datasets里的图片china.jpg
china = load_sample_image(‘china.jpg‘)
plt.show()
#观察china图片的大小和内存
print("china图片原大小：",china.size)
print("china图片原内存：",sys.getsizeof(china))
#根据图片的分辨率，可适当降低分辨率
img=china[::4,::4] #降低分辨率
x=img.reshape(-1,3) #生成行数未知，列数为3
#将图片中所有的颜色值做聚类，然后获取每个像素的颜色类别，每个类别的颜色。
n_colors=64
model=KMeans(n_colors)
labels=model.fit_predict(x) #每个点颜色分类，训练x
colors=model.cluster_centers_#找聚类点
new197_img=colors[labels].reshape(img.shape)
#形成新的图片
plt.imshow(new197_img.astype(np.uint8))
plt.show()
