K-means算法应用:图片压缩
2018-11-06 19:04 cqchenqin 阅读(298) 评论(0) 编辑 收藏 举报#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)