#coding:utf-8
__author__ = 'jmh081701'
#本檔案主要學習一種經典的聚類方法:k-means
#我們把這個演算法用於一個RGB影象的聚類，看能出來的什麼的效果
#k-means的原理:
'''
輸入:x[1],x[2],x[3],...,x[n],其中每個x[i]都是m維的向量，給定聚類的數目k
1.隨機生成k個代表元:z[1],z[2],...,z[k];每個z[i]都是第i類的中心元
2.repeat:
  更新 xi所述的類別ci,使得：|x[i]-z[ci]|最小
  更新 z[j],z[j]等於所在類別G[j]的所有樣本的平均值
until:z不再改變
'''
 

import numpy as np
import math
import  random
from  PIL import  Image

cnt=0
def calculate_zi(Gi,X):
#給定Gi,裡面包含著屬於這個類別的元素，然後計算這些元素的中心點
#在本例項中,Gi裡面包含的是下標
    global  cnt
    sumi=np.zeros(len(X[0]))
    for each in Gi:
        cnt+=1
        sumi+=X[each]
    sumi/=(len(Gi)+0.000000001)
    zi=sumi
    return zi

def
 
 find_ci(xi,Z):
    #尋找離xi最近的中心元素ci,使得Z[ci]與xi之間的向量差的內積最小
    global  cnt
    dis_= np.inf
    len_=len(Z)
    rst_index = None
    for i in range(len_):
        cnt+=1
        tmp_dist=np.dot(xi-Z[i],np.transpose(xi-Z[i]))
        if tmp_dist<dis_:
            rst_index=i
            dis_=tmp_dist
    return
 
  rst_index

def k_mean(X,k):
    G=[] #G[i]={1,2,3...}表示屬於第i類的樣本在X中的索引，洗標
    Z=[] #Z[i] 第i類的中心點
    N=len(X)
    c=[] #c[i]=1,2,...,k；表示第i個樣本屬於第c[i]類
    tmpr=set()
    while len(Z)<k:
        r=random.randint(0,len(X)-1)
        if r not in tmpr:
            tmpr.add(r)
            Z.append(X[r])
            G.append(set())
    for i in range(N):
        c.append(0)
    #隨機生成K箇中心元素
    while True:
        group_flag=np.zeros(k)
        for i in range(N):
            new_ci = find_ci(X[i],Z)
            if c[i] != new_ci:
                #找到了更好的,把xi從原來的c[i]調到new_ci去，於是有兩個組需要更新：new_ci,c[i]
                if i in G[c[i]]:
                    G[c[i]].remove(i)
                group_flag[c[i]]=1  #把i從原來所屬的組中移出來

                G[new_ci].add(i)
                group_flag[new_ci]=1    #把i加入到新的所屬組去

                c[i]=new_ci

        #上面已經更新好了各元素的所屬
        if np.sum(group_flag)==0:
            #沒有組被修改
            break
        for i in range(k):
            if group_flag[i]==0:
                #未修改,無須重新計算
                continue
            else:
                Z[i]=calculate_zi(list(G[i]),X)
    return Z,c,k


def test_rgb_img():
    filename=r"1.jpg"
    im = Image.open(filename)
    img = im.load()
    im.close()
    height = im.size[0]
    width= im.size[1]
    print(im.size)
    X=[]
    for i in range(0,height):
        for j in range(0,width):
            X.append(np.array(img[i,j]))
    Z,c,k=k_mean(X,8)
    #print(Z)
    new_im = Image.new("RGB",(height,width))
    for i in range(0,height):
        for j in range(0,width):
            index = i * width + j
            pix = list(Z[c[index]])
            for k in range(len(pix)):
                pix[k]=int(pix[k])
            new_im.putpixel((i,j),tuple(pix))
    new_im.show()
if __name__ == '__main__':
    test_rgb_img()
    print(cnt)

原圖:

k=8的聚類結果：

k=4的聚類結果：

k=2：聚類結果