作业8
from sklearn.datasets import load_sample_image from sklearn.cluster import KMeans import matplotlib.pyplot as plt #读取一张示例图片或自己准备的图片,观察图片存放数据特点 china = load_sample_image("china.jpg") plt.imshow(china) plt.show() print(china.shape) #根据图片的分辨率,适当降低分辨率 image = china[::3,::3] #行列分别按step为3的距离取 x = image.reshape(-1,3) #生成行数自填充,列数为3的二维数组 plt.imshow(image) plt.show() print(image.shape,x.shape) #用k均值聚类算法,将图片中所有颜色值做聚类。 n_color = 64 model = KMeans(n_color) labels = model.fit_predict(x) #每个点的颜色分类 color = model.cluster_centers_ #64个聚类中心,颜色值 #用聚类中心的颜色代替原来颜色,形成新图片 color[labels] images = image.reshape(143, 214, 3) print(images.shape) plt.imshow(images) plt.show() #查看原始图片与新图片所占用内存的大小 import sys print(sys.getsizeof(china)) print(sys.getsizeof(images)) #将原始图片与新图片保存文件,观察文件大小 import matplotlib.image as img img.imsave("C:\\china.jpg",china) img.imsave("C:\\new_china.jpg",images)
1.图片压缩
最后新图片结果如下:
图片大小:
2.贝叶斯
- 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?
解: 设:省略.
1) P(M|A) = P(A·M) · P(M) / P(A) = (7/10 · 1/2)/ (8/20) = 7/8
2) P(N|B) = 1 - P(M|A) = 1/8