kmeans算法应用图像压缩（sklearn实现）

最新推荐文章于 2022-10-24 19:00:48 发布

haimianjie2012

最新推荐文章于 2022-10-24 19:00:48 发布

阅读量786

点赞数

CC 4.0 BY-SA版权

分类专栏：机器学习文章标签：图像压缩 sklearn python

本文链接：https://blog.youkuaiyun.com/haimianjie2012/article/details/98516689

机器学习专栏收录该内容

24 篇文章

订阅专栏

本文介绍了一种使用K-means聚类算法进行图像颜色量化的方法，实现了图像的压缩，并通过保存的码本对图像进行重建。这种方法可以显著减小图像文件大小，同时保持较高的视觉质量。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

from cv2 import imread, imwrite
from sklearn.cluster import KMeans
from skimage import  io
import numpy as np


def compress_image():
    """
    压缩图像
    :return:
    """
    image = imread('1.png')
    rows = image.shape[0]
    cols = image.shape[1]

    image = image.reshape(image.shape[0] * image.shape[1], 3)
    kmeans = KMeans(n_clusters=2, n_init=10, max_iter=200)
    kmeans.fit(image)

    clusters = np.asarray(kmeans.cluster_centers_, dtype=np.uint8)
    labels = np.asarray(kmeans.labels_, dtype=np.uint8)
    labels = labels.reshape(rows, cols)

    np.save('codebook_img.npy', clusters)
    imwrite('compressed_img.png', labels)


def reconstruct_image():
    """
    使用压缩后的码本来重建图像
    :return:
    """
    centers = np.load('codebook_img.npy')
    c_image = io.imread('compressed_img.png')
    image = np.zeros((c_image.shape[0], c_image.shape[1], 3), dtype=np.uint8)

    for i in range(c_image.shape[0]):
        for j in range(c_image.shape[1]):
            image[i, j, :] = centers[c_image[i, j], :]

    imwrite('reconstructed_img.png', image)