1、讀取一張示例圖片或自己準備的圖片，觀察圖片存放資料特點。

根據圖片的解析度，可適當降低解析度。

再用k均值聚類演算法，將圖片中所有的顏色值做聚類。

然後用聚類中心的顏色代替原來的顏色值。

形成新的圖片。

from sklearn.datasets import load_sample_image
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans
import numpy as np
flower=load_sample_image('flower.jpg')#原始圖片
plt.imshow(flower)
plt.show()

image
 
=flower[::3,::3]#降低原始圖片的解析度
plt.imshow(image)
plt.show()

#利用Kmeans對圖片進行壓縮
x=image.reshape(-1,3)#改變陣列的形狀
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()
 

觀察原始圖片與新圖片所佔用記憶體的大小。

#觀察原始圖片和新圖片的記憶體大小
import sys
print(sys.getsizeof(flower))
print(sys.getsizeof(new_image))

將原始圖片與新圖片儲存成檔案，觀察檔案的大小。