11.1作业

 

K-means算法应用：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。

 

 

from sklearn.datasets import load_sample_image
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt
import numpy as np

china = load_sample_image("china.jpg")
plt.imshow(china)
plt.show()
print(china.shape)

 

 

import matplotlib.image as img
ge = img.imread('C:\\Users\\yy\\Pictures\hua.jpg')
plt.imshow(hua)
plt.show()

 

ges = hua[::3,::3]
plt.imshow(ges)
plt.show()

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()

image = china[::3, ::3]
X = image.reshape(-1,3)
print(china.shape,image.shape,X.shape)

n_colors = 64
model = KMeans(n_colors)
labels = model.fit_predict(X)
colors = model.cluster_centers_
new_image=colors[labels]

new_image=new_image.reshape(image.shape) 
plt.imshow(new_image.astype(np.uint8))
plt.show()

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()

image = china[::3, ::3]
X = image.reshape(-1,3)
print(china.shape,image.shape,X.shape)

n_colors = 64
model = KMeans(n_colors)
labels = model.fit_predict(X)
colors = model.cluster_centers_
new_image=colors[labels]

new_image=new_image.reshape(image.shape) 
plt.imshow(new_image.astype(np.uint8))
plt.show()

 

 

 

 

 

import sys
print(sys.getsizeof(china))
print(sys.getsizeof(new_image))

 

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。