KMeans特征提取图片压缩 —— 聚类入门案例

简介

聚类算法

聚类算法是一种无监督学习算法，主要用于将数据集中的对象分组，使得同一组内的对象相似度高，而不同组之间的对象相似度低。聚类算法在许多领域都有应用，包括市场研究、社交网络分析、生物信息学等。

KMeans算法

KMeans（K均值）算法是聚类算法中最著名的一种，它通过迭代过程将数据点划分到K个簇中。
以下是KMeans算法的基本步骤：

• 选择K值：确定要分成的簇的数量。
• 初始化中心点：随机选择K个数据点作为初始的簇中心。
• 分配数据点：分别计算每个点与每个簇中心的距离，将其分配到最近的簇中心。
• 更新簇中心：重新计算每个簇的中心坐标，通常是簇内所有点的坐标均值。
• 迭代优化：重复步骤3和4，直到簇中心不再显著变化或达到预设的迭代次数。

KMeans算法流程示意图

KMeans算法的时间复杂度

KMeans算法的时间复杂度主要取决于以下几个因素：

• 数据点的数量（n）：算法需要处理的数据点总数。
• 特征的维度（d）：每个数据点的特征数量。
• 簇的数量（k）：算法需要找到的簇的数量。
• 迭代次数（i）：算法收敛所需的迭代次数。

KMeans算法的时间复杂度可以近似表示为 $ O(k·n·d·i) $

KMeans算法的优缺点

• 简单易懂，容易实现。
• 计算效率相对较高，尤其是在数据集不是很大时。

KMeans算法的缺点包括：

• 对初始簇中心的选择敏感，不同的初始值可能导致不同的结果。
• 对噪声和异常值敏感，可能会影响聚类结果。
• 需要预先指定K值，而K值的选择往往依赖于问题和领域知识。
• 只能发现圆形或球形的簇，对于非球形的簇可能效果不佳。

案例简介

本案例展示了如何使用KMeans聚类算法对图像进行颜色压缩，以达到简化图像颜色、提取图像特征并减少存储空间的目的。使用sklearn库中的KMeans类，快捷地完成图像颜色分类任务。

运行结果

Full Code

import numpy as np
import matplotlib.pyplot as plt

from sklearn.cluster import KMeans

IMG_PATH = './avatar.png'
COLOR_CNT = 8

img = plt.imread(IMG_PATH)

h, w = img.shape[:2]
X = img.reshape(-1, 3)  # 图片转二维训练数据

kmeans = KMeans(n_clusters=COLOR_CNT)  # 几种主要颜色
kmeans.fit(X)

main_colors = kmeans.cluster_centers_  # 提取出的主要颜色

y_pred = kmeans.predict(X)
img_result = main_colors[y_pred]
img_result = img_result.reshape(h, w, 3)

# 绘图部分
# 创建图像显示的子图
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(10, 5))

# 显示原图
ax1.imshow(img)
ax1.set_title('Original Image')
ax1.axis('off')  # 不显示坐标轴

# 显示生成图
ax2.imshow(img_result)
ax2.set_title(f'Generated Image with {COLOR_CNT} Main Colors')
ax2.axis('off')  # 不显示坐标轴

# 显示图像
plt.show()