背景描述：

　　RGB編碼：對于一個直接用24bit表示每一個而像素的圖像來說，每一個pixel使用8-bit無符號整數(shù)(0-255)來表示紅or綠or藍。

壓縮目的：

　　將128x128大小的圖片由原來的24bit表示-壓縮成->16bit表示每一個像素的圖像。

壓縮方法：

　　對于每一個pixel, 使用 K-Means選擇16bits來表示原來的24bits。當然，具體是通過計算每一個像素空間的16bits大小的聚類來表示原來的24bits。

實現(xiàn)步驟：

　　1.將原來的128x128大小的圖片讀入到一個3維矩陣A中。舉個例子 A(50， 33， 3)表示原圖片中rowNum = 50 columnNum = 33 RGB中的B維 所對應(yīng)的

顏色值（0-255）。這樣我們就得到了一個 X = （m x 3）matrix of piexl colors( where m = 128 * 128 = 16384)。

　　2.運行K-Means算法，取K= 16, 這樣將每一個pixel聚類到一個Cluster k上(關(guān)于K-means初始K個點的選擇 其實就是隨機在X中選出K個點作為 centroid的)。用k這個centroid point的location來代表原來的像素值。這里K=16，我們可以用四位來表示16種分類的可能。那么也就需要4bits就可以記錄當前piexl的壓縮后的分類。（當然，最后還需要有一個對照表 k(16個顏色（？為啥不用4bits來映射，2進制轉(zhuǎn)換太繁瑣！這里直接映射就好了）) -> RGB(24bits)）。

壓縮效果：

　　壓縮前大小：128*128*24 = 393216 bits;

　　壓縮后大小：128*128*4 + 16*24 = 65920 bits;

　　壓縮因子接近 6！

　　代碼在gitlab Machine learning ex7中。?

核心思路：

　　K-means進行圖片壓縮，壓縮的并不是顏色。原來用24位表示顏色，現(xiàn)在也用24位表示顏色。只不過編碼方式發(fā)生了改變，將原來的24bits種顏色變成了16bits種顏色。而這個過程正是采用的k-means聚類。那么顏色之間的區(qū)分度就變得不是那么明顯，導致分辨率下降。

Have fun , good luck!

And this is my picture kebe compressed:

?K-Means結(jié)果可視化

　　如圖每一個顏色代表一個cluster（共計16種）。

轉(zhuǎn)載于:https://www.cnblogs.com/luntai/p/5926369.html

總結(jié)

以上是生活随笔為你收集整理的一种压缩图片的方法---Machine learning 之 K-Means的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。