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

import numpy as np
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt
import sys
image=plt.imread("wonderwomen.jpg")
print("原图大小:",image.size)
print("原图内存：",sys.getsizeof(image))
plt.imshow(image)
plt.show()
# 压缩
image=image[::3,::3]
x=image.reshape(-1,3)
# 构建模型
model=KMeans(n_clusters=64)
# 预测
labels=model.fit_predict(x)
# 聚类中心
colors = model.cluster_centers_
new_image = colors[labels].reshape(image.shape)
plt.imshow(new_image.astype(np.uint8))
new_image = new_image/255
print("压缩图大小：",new_image.size)
print("压缩图内存：",sys.getsizeof(new_image))
plt.imshow(new_image)
plt.show()

原图：

压缩后的图：

 

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。