from sklearn.datasets import load_sample_image from sklearn.cluster import KMeans import matplotlib.pyplot as plt #讀取一張示例圖片或自己準備的圖片，觀察圖片存放數據特點 china = load_sample_image("china.jpg") plt.imshow(china) plt.show() print(china.shape) china

#根據圖片的分辨率，適當降低分辨率 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均值聚類算法，將圖片中所有顏色值做聚類。 n_color =64 model= KMeans(n_color) labels=model.fit_predict(X) #每個點的顏色分類 color=model.cluster_centers_ #64個聚類中心，顏色值

?

#用聚類中心的顏色代替原來顏色，形成新圖片 color[labels] images=image.reshape(143, 214, 3) print(images.shape) plt.imshow(images) plt.show()

#查看原始圖片與新圖片所占用內存的大小 import sys print(sys.getsizeof(china)) print(sys.getsizeof(images))

#將原始圖片與新圖片保存文件，觀察文件大小 import matplotlib.image as img img.imsave("C:\\china.jpg",china) img.imsave("C:\\china_zip.jpg",images)

?

?

轉載于:https://www.cnblogs.com/nuan-z/p/9888355.html

總結

以上是生活随笔為你收集整理的K-means算法应用：压缩图片的全部內容，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站內容還不錯，歡迎將生活随笔推薦給好友。