KMeans图片的压缩

from sklearn.datasets import load_sample_image 
import matplotlib.pyplot as plt
import numpy as np
#读取原始图片
china = load_sample_image("china.jpg")
plt.imshow(china)
plt.show()
print(china.shape)#观察图片存放数据特点

image=china[::3,::3]  #降低分辨率
plt.imshow(image)
plt.show()

 

 

 

#改变数组
x=image.reshape(-1,3)
n_colors=64 #(256，256，256)
model=KMeans(n_colors)  #64类聚类中心
labels=model.fit_predict(x) #每个点的颜色分类，0-63
colors=model.cluster_centers_  #64类聚类中心值
new_image=colors[labels]  #进行颜色填充
new_image=new_image.reshape(image.shape)
plt.imshow(new_image.astype(np.uint8)) 
plt.show()

#原始图片与新图片保存成文件，观察文件的大小。

#理解贝叶斯定理：
#M桶：7红3黄
#N桶：1红9黄
#现在：拿出了一个红球
#试问：这个红球是M、N桶拿出来的概率分别是多少？

 

转载于:https://www.cnblogs.com/zhanyuki/p/9914652.html