K-means算法应用：压缩图片

from sklearn.datasets import load_sample_image from sklearn.cluster import KMeans import matplotlib.pyplot as plt #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 china = load_sample_image("china.jpg") plt.imshow(china) plt.show() print(china.shape) china

#根据图片的分辨率，适当降低分辨率 image= china[::3,::3]#降低分辨率 X = image.reshape(-1,3) plt.imshow(image) plt.show() print(image.shape,X.shape)

#用k均值聚类算法，将图片中所有颜色值做聚类。 n_color =64 model= KMeans(n_color) labels=model.fit_predict(X) #每个点的颜色分类 color=model.cluster_centers_ #64个聚类中心，颜色值

 

#用聚类中心的颜色代替原来颜色，形成新图片 color[labels] images=image.reshape(143, 214, 3) print(images.shape) plt.imshow(images) plt.show()

#查看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(images))

#将原始图片与新图片保存文件，观察文件大小 import matplotlib.image as img img.imsave("C:\\china.jpg",china) img.imsave("C:\\china_zip.jpg",images)

 

 

转载于:https://www.cnblogs.com/nuan-z/p/9888355.html

总结

以上是生活随笔为你收集整理的K-means算法应用：压缩图片的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得生活随笔网站内容还不错，欢迎将生活随笔推荐给好友。