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

#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
china = load_sample_image('china.jpg')
plt.imshow(china)
plt.show()

import matplotlib.image as img
img1=img.imread("C:\\Users\\hemeiling\\Desktop\\1.jpg
 
")
plt.imshow(img1)
plt.show()
img1

#根據圖片的解析度，可適當降低解析度
img2=img1[::3,::3]  #降低解析度
x=img1.reshape(-1,3)  #生成行數未知，列數為3
print(img1.shape,img2.shape,x.shape)
plt.imshow(img2)
plt.show()

#再用k均值聚類演算法，將圖片中所有的顏色值做聚類。
n_colors=64  #（256,256,256）
model=KMeans(n_colors)
labels=model.fit_predict(x) #每個點顏色分類，0-63
 

colors=model.cluster_centers_ #64個聚類中心，顏色值
new_img=colors[labels]

#然後用聚類中心的顏色代替原來的顏色值。
new_img = new_img.reshape(x.shape)
new_img = new_img.astype(np.uint8)

#形成新的圖片
plt.imshow(new_img)
plt.show()

#觀察原始圖片與新圖片所佔用記憶體的大小。
plt.imshow(img1)
plt.show()

plt.imshow(new_img)
plt.show()

#將原始圖片與新圖片儲存成檔案，觀察檔案的大小。
plt.imsave(
 
"C:\\Users\\hemeiling\\Desktop\\img1.jpg",img1)
plt.imsave("C:\\Users\\hemeiling\\Desktop\\new_img.jpg",new_img)