4.K均值算法--应用

import matplotlib.pyplot as plt
import matplotlib.image as ig
import numpy as np
import sys
from sklearn.cluster import KMeans


# 读取一张图片
pd = ig.imread(‘C:/Users/86186/Desktop/大三下/机器学习/pd.jpg‘)

# 观察图片文件大小，占内存大小，图片数据结构，线性化

print("原图片的文件大小", pd.size)
print("原图片的内存大小", sys.getsizeof(pd))


# 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
X = pd.reshape(-1, 3)  # 把二维的变成线性的
n_colors = 64  # 将图片分成64种颜色
model = KMeans(n_colors)  # 构建模型
labels = model.fit_predict(X)
colors = model.cluster_centers_  # 聚类中心


# 观察压缩图片的文件大小，占内存大小
# 解决中文显示问题
plt.rcParams[‘font.sans-serif‘] = [‘SimHei‘]
plt.rcParams[‘axes.unicode_minus‘] = False

new_image = colors[labels].reshape(pd.shape)
plt.imshow(pd)
plt.title("原图片")
plt.show()

plt.title("最终压缩后的图片")
plt.imshow(new_image.astype(np.uint8)[::3, ::3])
plt.show()

print("最终压缩的图片的文件大小", new_image.size)
print("最终压缩的图片的内存大小", sys.getsizeof(new_image))