4.K均值算法--应用

1. 应用K-means算法进行图片压缩

读取一张图片

观察图片文件大小，占内存大小，图片数据结构，线性化

用kmeans对图片像素颜色进行聚类

获取每个像素的颜色类别，每个类别的颜色

压缩图片生成：以聚类中收替代原像素颜色，还原为二维

观察压缩图片的文件大小，占内存大小

from sklearn.cluster import KMeans
import matplotlib.pyplot as Pillow
import sys
import numpy as np

image=Pillow.imread("./gta.jpg")     #读取一张图片
print("压缩前图片大小:",image.size)
print("压缩前图片占用的内存：",sys.getsizeof(image))
img=image[::3,::3]  #降低分辨率,隔3个值取一个值
x=img.reshape(-1,3) #将像素颜色整合成一个数组
model=KMeans(n_clusters=64) #取64种颜色
labels=model.fit_predict(x)
colors = model.cluster_centers_  #聚类中心
new_Image = colors[labels].reshape(img.shape) #聚类中收替代原像素颜色，还原为二维

print("压缩后的图片的大小：", new_Image.size)
print("压缩后的图片占用的内存：", sys.getsizeof(new_Image))
Pillow.imshow(new_Image.astype(np.uint8))
Pillow.imsave(‘./new_gta.jpg‘,new_Image.astype(np.uint8))

 压缩前的图片：

 压缩后的图片：

2. 观察学习与生活中可以用K均值解决的问题。

从数据-模型训练-测试-预测完整地完成一个应用案例。

这个案例会作为课程成果之一，单独进行评分。

4.K均值算法--应用

原文：https://www.cnblogs.com/kmh2166/p/12724867.html