机器学习04-K均值算法--应用

1. 应用K-means算法进行图片压缩

读取一张图片

观察图片文件大小，占内存大小，图片数据结构，线性化

用kmeans对图片像素颜色进行聚类

获取每个像素的颜色类别，每个类别的颜色

压缩图片生成：以聚类中收替代原像素颜色，还原为二维

观察压缩图片的文件大小，占内存大小

 （1）查看大小，内存，数据结构并线性化

 （2）kmeans进行聚类，获取每个像素的颜色类别，每个类别的颜色

（3）压缩图片生成

 原图片：                                                                                    压缩后图片：

 （4）观察压缩图片的文件大小，占内存大小

完整代码：

##图片压缩应用
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt
import matplotlib.image as img
import numpy as np
import sys

cat = img.imread(‘1055407.jpg‘)   ##读取图片
print("原图片文件大小：",cat.size)      ##查看文件大小
print("原图片占内存大小：",sys.getsizeof(cat))         ##查看占内存大小
print("原图片数据结构：",cat.shape)                  ##查看数据结构
print("原图片数据:\n",cat)                 ##查看数据


cats = cat[::8,::8]     ##降低分辨率
X = cats.reshape(-1,3)   ##线性化
print(cats.shape,X.shape)

n_colors = 64   ##将255*255*255种颜色聚类成64种
model = KMeans(n_colors)
labels = model.fit_predict(X)  ##获取每个像素点的颜色类别存放在labels中
colors = model.cluster_centers_ ##将64种颜色存放在colors中，即聚类中心

new_image = colors[labels].reshape(cats.shape)  ##reshape回原来的形状
plt.imshow(cat)                          ##压缩前的图片
plt.show()
plt.imshow(new_image.astype(np.uint8))   ##压缩后的图片
plt.show()

print("压缩后图片文件大小：",new_image.size)      ##查看文件大小
print("压缩后图片占内存大小：",sys.getsizeof(new_image))         ##查看占内存大小
img.imsave(‘cats.jpg‘,new_image.astype(np.uint8))

2. 观察学习与生活中可以用K均值解决的问题。

从数据-模型训练-测试-预测完整地完成一个应用案例。

这个案例会作为课程成果之一，单独进行评分。