Scipy-kmeans聚类

目录

一、聚类分析

1、基本原理：

2、示例

二、图像色彩聚类

三、 将色彩提取体现在Flask网页中

---

一、聚类分析

1、基本原理：

（1）根据K个中心将数据集按到中心值距离分簇

（2）将已分的数据集，根据平均向量再确定中心值

（3）重复1、2步骤，直至中心值不再移动（每次的差值与上次相同）

来源：scipy实现k-means算法_昆兰.沃斯 的博客-优快云博客_scipy实现kmeans聚类

2、示例

import numpy as np
from scipy.cluster.vq import vq, kmeans, whiten
import matplotlib.pyplot as plt

fe = np.array([[1.9,2.0],
                     [1.7,2.5],
                     [1.6,3.1],
                     [0.1,0.1],
                     [0.8,0.3],
                     [0.4,0.3],
                     [0.22,0.1],
                     [0.4, 0.3],
                     [0.4,0.5],
                     [1.8,1.9]])

book = np.array((fe[0], fe[1]))
print(type(book))
print("book: \n",book)

codebook, distortion = kmeans(fe, book)
# 可以写kmeans(wf,2)， 2表示两个质心，同时启用iter参数
print("codebook:", codebook)
print("distortion: ", distortion)

plt.scatter(fe[:,0], fe[:,1], c='g')
plt.scatter(codebook[:, 0], codebook[:, 1], c='r')
plt.show()

运行结果：红色为聚类中心

二、图像色彩聚类

（1）用PIL生成小尺寸的图片，用resize或者thumbnail（缩略图）聚类 

（2）取出图像的色