KMeans算法分割图片

使用KMeans算法对简单的jpg图片进行处理得到大概轮廓

#coding = utf-8

import numpy as np
import PIL.Image as image
from sklearn.cluster import KMeans


def loadData(filePath):
    f = open(filePath, 'rb')#以二进制打开文件
    data = []
    img = image.open(f)#列表形式存储图片像素值
    m,n = img.size#获得图片大小，为遍历每个像素准备
    for i in range(m):
        for j in range(n):
            x, y, z = img.getpixel((i, j))#getpixel返回指定位置的像素，如果所打开的图像是多层次的图片，那这个方法就返回一个元组。
            data.append([x/256.0, y/256.0, z/256.0])#将每个像素归一化成0-1
    f.close()
    return np.mat(data), m, n#返回矩阵形式的data，以及图片大小

imgData, row, col = loadData("F:\data\\bull.jpg")#使用loadData方法处理图片

label = KMeans(n_clusters=8).fit_predict(imgData)#聚类获取每个像素所属类别
label = label.reshape([row, col])

#创建一张灰度图保存聚类后的结果
pic_new = image.new("L", (row, col))

#根据所属类别向图片中添加灰度值
for i in range(row):
    for j in range(col):
        pic_new.putpixel((i, j), int(256/(label[i][j]+1)))
#保存图片
pic_new.save("F:\data\\result_bull.jpg", "JPEG")

处理前：

 

处理后：