11.1
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。
根据图片的分辨率,可适当降低分辨率。
import matplotlib.image as img s = img.imread("F:\\s.jpg") plt.imshow(s) plt.show() s.shape plt.imshow(s[:,:,0]) plt.show() print(s.shape) s ss = s[::3,::3] plt.imshow(ss) plt.show() print(ss.shape) ss
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。
from sklearn.datasets import load_sample_image
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt
import numpy as np
import matplotlib.image as img
s = img.imread("F:\\s.jpg")
plt.imshow(s)
plt.show()
image = s[::3,::3] #降低分辨率
X=image.reshape(-1,3)
print(s.shape,image.shape,X.shape)
n_colors = 128
model = KMeans(n_colors)
labels = model.fit_predict(X) #每个点的颜色分类,0-63
colors = model.cluster_centers_ #64个聚类中心,颜色值
new_image = colors[labels]
new_image.astype(np.uint8)
plt.imshow(image);
plt.show()
plt.imshow(new_image.astype(np.uint8))
plt.show()