K-Means图片压缩实战-优快云博客

本文通过使用K-Means聚类算法实现图片的颜色值聚类，从而达到图片压缩的目的。展示了从读取图片、预处理、应用K-Means算法到还原颜色并比较压缩前后图片内存占用的过程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

K-Means算法：图片压缩

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

#观察图片数据格式
print(china.dtype)
print(china.shape)
print(china)

import matplotlib.image as img
ge=img.imread('F:\\ge.jpg')
plt.imshow(ge)
plt.show()

print(ge.shape)
ge

#降低分辨率
ges=ge[::2,::2]
plt.imshow(ges)
plt.show()

#用k均值聚类算法，将图片中所有的颜色值做聚类
import numpy as np
china=load_sample_image("china.jpg")
plt.imshow(china)
plt.show()

image=china[::3,::3]
X=image.reshape(-1,3)
print(china.shape,image.shape,X.shape)

n_colors=64
model=KMeans(n_colors)
labels=model.fit_predict(X)
colors=model.cluster_centers_

#还原颜色，维数，数据类型
new_image=colors[labels]
new_image=new_image.reshape(image.shape)
new_image

plt.imshow(image)
plt.show()
plt.imshow(new_image.astype(np.uint8))
plt.show()

print(X.shape)
print(labels.shape,labels)
print(colors.shape,colors)

#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(new_image))

#将原始图片与新图片保存成文件，观察文件的大小。

转载于:https://www.cnblogs.com/jun11/p/9888417.html

作业九