from sklearn.datasets import load_sample_image from sklearn.cluster import KMeans import matplotlib.pyplot as plt import numpy as np #加载flower的原图 flower=load_sample_image('flower.jpg') plt.imshow(flower) plt.show() #降低分辨率 image=flower[::3,::3] x=image.reshape(-1,3) print(flower.shape,image.shape,x.shape) #聚类 n_colors=64 model=KMeans(n_colors) labels=model.fit_predict(x) colors=model.cluster_centers_ #用聚类中心的颜色代替原来的颜色值 new_image=colors[labels] new_image=new_image.reshape(image.shape) plt.imshow(image) plt.show() plt.imshow(new_image.astype(np.uint8)) plt.show()
#原始图片与新图片所占用内存的大小 import sys print(sys.getsizeof(flower)) print(sys.getsizeof(new_image))
#原始图片与新图片保存成文件 import matplotlib.image as img img.imsave("F:\flower.jpg",flower) img.imsave("F:\flower_zip.jpg",image)
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？
