标签：mat 聚类算法 col get ase dict dataset imp ict
from sklearn.datasets import load_sample_image
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt
import numpy as np
china = load_sample_image("china.jpg")
plt.imshow(china)
plt.show()
print(china.shape)
flower = load_sample_image("flower.jpg")
plt.imshow(flower)
plt.show()
print(flower.shape)
plt.imshow(flower[:,:,0])
plt.show()
1、读取一张示例图片或自己准备的图片，观察图片存放数据特点。
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
zj = img.imread(‘H:\\timg.jpg‘)
plt.imshow(zj)
plt.show()
zj
2、根据图片的分辨率，可适当降低分辨率。
image = zj[::3,::3]
X = image.reshape(-1,3)
print(zj.shape,image.shape,X.shape)
plt.imshow(zjs)
plt.show()
zjs
3、再用k均值聚类算法，将图片中所有的颜色值做聚类。然后用聚类中心的颜色代替原来的颜色值。
n_colors= 64 #（256,256,256）
model= KMeans(n_colors)
labels = model.fit_predict(X)
colors = model.cluster_centers_
new_zjs = colors[labels]
new_zjs = new_zjs.reshape(zjs.shape)
plt.imshow(new_zjs.astype(np.uint8))
plt.show
plt.imshow(zjs);
plt.show()
4、形成新的图片。
plt.imsave(‘?H:\\timg.jpg‘,zj)
plt.imsave(‘?H:\\timgs.jpg‘,zjs)
5、观察原始图片与新图片所占用内存的大小。
import sys
6、将原始图片与新图片保存成文件，观察文件的大小。
size1 = sys.getsizeof(‘?H:\\timg.jpg‘)
size2 = sys.getsizeof(‘?H:\\timgs.jpg‘)
print(‘压缩前：‘+str(size1),"\t压缩后："+str(size2))
理解贝叶斯定理：
把计算过程与结果拍照发上来。
标签：mat 聚类算法 col get ase dict dataset imp ict
原文地址：https://www.cnblogs.com/SJMHJ/p/9888410.html
