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()