标签：style 聚类 一个 nbsp 分辨率 clu src img sklearn
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] #降低分辨率 plt.imshow(image) plt.show() x=image.reshape(-1,3)#重造数组 n_colors=64 #(256，256，256) model=KMeans(n_colors) #64类聚类中心 labels=model.fit_predict(x) #每个点的颜色分类，0-63 colors=model.cluster_centers_ #64类聚类中心值 new_image=colors[labels] #进行颜色填充 new_image=new_image.reshape(image.shape) #还原原来的数组 plt.imshow(new_image.astype(np.uint8)) #转换为数据类型，并画图 plt.show()
#查看图片大小 import sys print(sys.getsizeof(china)) #原图片 print(sys.getsizeof(new_image)) #新图片
819968 128
#原始图片与新图片保存成文件，观察文件的大小。
#理解贝叶斯定理： #M桶：7红3黄 #N桶：1红9黄 #现在：拿出了一个红球 #试问：这个红球是M、N桶拿出来的概率分别是多少？
标签：style 聚类 一个 nbsp 分辨率 clu src img sklearn
原文地址：https://www.cnblogs.com/XLxielin/p/9895587.html
