4-K均值算法--应用

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

from matplotlib import pyplot as plt
from sklearn.cluster import KMeans
import numpy as np
import matplotlib.image as img
import sys as sys
 
#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
 
img = img.imread("data壁纸.jpg") #读取图片
plt.imshow(img) #查看图片
print("图片大小：",img.size)
print("占内存大小：",sys.getsizeof(img))
print("图片数据结构：",img)
x = img.reshape(-1, 3)  #将图片线性化，列数为3
img1 = img[::3, ::3]  # 降低分辨率
print(img.shape, img1.shape, x.shape) 

运行结果：

 

# 用kmeans对图片像素颜色进行聚类
colours=64 #（255，255，255）
model=KMeans(n_clusters=colours) #构建模型
model.fit(x) #训练模型
x_pre=model.predict(x) #预测
center=model.cluster_centers_ #聚类中心
 
new_img=center[x_pre].reshape(img.shape)#还原每个像素颜色
plt.imshow(new_img.astype(np.uint8)) # 展示压缩后的图片
plt.show()

运行结果：

 

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