K-means算法应用：图片压缩

from sklearn.datasets import load_sample_image
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt
import numpy as np
import matplotlib.image as img  #image类可以用来读或存图片

china = load_sample_image("china.jpg")
plt.imshow(china)
plt.show()
print(china.shape)
print(china)

#降低分辨率
china1=china[::2,::2] #步长为2
plt.imshow(china1)
plt.show()
print(china1.shape)
print(china1)

#用k均值聚类算法，将图片中所有的颜色值做聚类,用聚类中心的颜色代替原来的颜色值,形成新的图片
china2=china1.reshape(-1,3)
#print(china2.shape)
n_color=64  #(256,256,256)
model=KMeans(n_color)
labels=model.fit_predict(china2)  #每个点的颜色分类，0-63，fit做计算，predict每个点聚成什么类
colors=model.cluster_centers_  #64个聚类中心，颜色值
china3=colors[labels]  #还原颜色
china3=china3.reshape(china1.shape)  #还原维数
plt.imshow(china3.astype(np.uint8))  #类型转换
plt.show()

#观察原始图片与新图片所占用内存的大小
import sys
print(sys.getsizeof(china))
print(sys.getsizeof(china3))

#将原始图片与新图片保存成文件,观察文件的大小
img.imsave(‘e:\\china.jpg‘,china)
img.imsave(‘e:\\china2.jpg‘,china3)

import sys
print(sys.getsizeof(‘e:\\china.jpg‘))
print(sys.getsizeof(‘e:\\china2.jpg‘))