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

china=load_sample_image("china.jpg")
plt.imshow(china)
plt.show()
image=china[::3,::3]  #降低解析度
plt.imshow(image)
plt.show()

x=image.reshape(-1,3)#重造陣列
n_colors=64 #(256，256，256)
 

model=KMeans(n_colors)  #64類聚類中心
labels=model.fit_predict(x) #每個點的顏色分類，0-63
colors=model.cluster_centers_  #64類聚類中心值
new_image=colors[labels]  #進行顏色填充
new_image=new_image.reshape(image.shape) #還原原來的陣列
plt.imshow(new_image.astype(np.uint8)) #轉換為資料型別，並畫圖
plt.show()

#
 
檢視圖片大小
import sys
print(sys.getsizeof(china)) #原圖片
print(sys.getsizeof(new_image))  #新圖片

819968
128

#原始圖片與新圖片儲存成檔案，觀察檔案的大小。

#理解貝葉斯定理：

#M桶：7紅3黃
#N桶：1紅9黃
#現在：拿出了一個紅球
#試問：這個紅球是M、N桶拿出來的概率分別是多少？