K-means算法应用：图片压缩

1. 用K-means算做图片压缩

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。

根据图片的分辨率，可适当降低分辨率。

再用k均值聚类算法，将图片中所有的颜色值做聚类。

然后用聚类中心的颜色代替原来的颜色值。

形成新的图片。

观察原始图片与新图片所占用内存的大小。

将原始图片与新图片保存成文件，观察文件的大小。

 

2. 理解贝叶斯定理：

• 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？

把计算过程与结果拍照发上来。

1.

#读取实例图片
from sklearn.datasets import load_sample_image
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt
china=load_sample_image("china.jpg")
plt.imshow(china)
plt.show()
print(china.shape)

 

image=china[::3,::3]  #降低分辨率
plt.imshow(image)
plt.show()

 

n_colors=64
model=KMeans(n_colors)
labels=model.fit_predict(x)
colors=model.cluster_centers_

#还原颜色，维数，数据类型
new_image=colors[labels]
new_image=new_image.reshape(image.shape)
new_image

plt.imshow(image)
plt.show()
plt.imshow(new_image.astype(np.uint8))
plt.show()

 

#原始图片与新图片保存文件，观察文件大小：

 

2.

理解贝叶斯定理：

• 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？