K-means算法应用：图片压缩

#1、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。
from sklearn.datasets import load_sample_image
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt
import matplotlib.image as img
import numpy as np
china=load_sample_image("china.jpg")
plt.imshow(china)
plt.show()
print(china.shape)

 

#2、根据图片的分辨率，可适当降低分辨率。
#降低分辨率
image=china[::3,::3]
X=image.reshape(-1,3)
print(china.shape,image.shape,X.shape)
print(X)

 

#3、再用k均值聚类算法，将图片中所有的颜色值做聚类。
#(256,256,256)
n_colors=64
model=KMeans(n_colors)
labels = model.fit_predict(X)
#每个点的颜色分类，0-63位
#4、然后用聚类中心的颜色代替原来的颜色值。
#64个聚类中心，颜色值
colors=model.cluster_centers_
#5、形成新的图片。
plt.imshow(image);
plt.show()

 

#3、再用k均值聚类算法，将图片中所有的颜色值做聚类。
#(256,256,256)
n_colors=64
model=KMeans(n_colors)
labels = model.fit_predict(X)
#每个点的颜色分类，0-63位
#4、然后用聚类中心的颜色代替原来的颜色值。
#64个聚类中心，颜色值
colors=model.cluster_centers_
#5、形成新的图片。
#plt.imshow(image);
#plt.show()
plt.imshow(image.astype(np.uint8))
plt.show()

 

#6、观察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(image))

 

#7、将原始图片与新图片保存成文件，观察文件的大小。
img.imsave('d:\\china.jpg',china)
img.imsave('d:\\china_zip.jpg',image)