1. 应用K-means算法进行图片压缩
读取一张图片
观察图片文件大小,占内存大小,图片数据结构,线性化
用kmeans对图片像素颜色进行聚类
获取每个像素的颜色类别,每个类别的颜色
压缩图片生成:以聚类中收替代原像素颜色,还原为二维
观察压缩图片的文件大小,占内存大小
1.1从路径中读入原图:
扫描二维码关注公众号,回复:
10857223 查看本文章
1.2实验结果
1.3实验代码:
1 from sklearn.cluster import KMeans 2 import matplotlib.pyplot as plt 3 from PIL import Image 4 import matplotlib.image as mpimg 5 #读取图片 6 p=mpimg.imread('D:\\GS\\Robit_stu\\s.jpg') 7 #查看图片的数据,数组 8 #print("查看图片的数据,数组",p) 9 print("查看图片大小",p.size) 10 11 # 对色素进行分类255*255*255分成64类 12 n_colors = 64 13 # 模型,对图片像素颜色进行聚类 14 model =KMeans(n_colors) 15 # 训练X喂食,数据线性化,即一维数组像素的类别 16 labels = model.fit_predict(X) 17 # 二维(64,3)聚类中心,用于颜色分类,作为每个颜色的分类 18 colors = model.cluster_centers_ 19 20 import numpy as np 21 #获取每个像素的颜色类别,每个类别的颜色,还原图的p.shape维度 22 nev_image = colors[labels].reshape(p.shape) 23 plt.imshow(p); 24 plt.show() 25 # 把颜色值转回8位正整数 26 plt.imshow(nev_image.astype(np.uint8)) 27 plt.show() 28 #压缩图,每隔三个点提取一个像素,达到压缩 29 plt.imshow(nev_image.astype(np.uint8)[::3,::3]) 30 plt.show()
2. 观察学习与生活中可以用K均值解决的问题。
从数据-模型训练-测试-预测完整地完成一个应用案例。
这个案例会作为课程成果之一,单独进行评分。