K-means算法應用：圖片壓縮
阿新 • • 發佈：2018-11-04
特點 num () otl user col mea load read
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，觀察圖片存放數據特點 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 #根據圖片的分辨率，可適當降低分辨率 img2=img1[::3,::3] #降低分辨率 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，0-63colors=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占用內存的大小。 plt.imshow(img1) plt.show() plt.imshow(new_img) plt.show() #將原始圖片與新圖片保存成文件，觀察文件的大小。 plt.imsave("C:\\Users\\hemeiling\\Desktop\\img1.jpg",img1) plt.imsave("C:\\Users\\hemeiling\\Desktop\\new_img.jpg",new_img)
K-means算法應用：圖片壓縮