4.K均值算法--应用

import sys
import numpy as np
from sklearn.datasets import load_sample_image
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt
import matplotlib.image as img
yellow = img.imread("E://yellow.jpg")
print("图片的大小：", yellow.size)
print("图片占用的内存:", sys.getsizeof(yellow))
print("图片的数据结构:\n", yellow)

# 用kmeans对图片像素颜色进行聚类
# 降低图片3倍的分辨率
image = yellow[::3, ::3]
plt.imshow(image)
plt.show()
S = image.reshape(-1, 3)  # reshape()里面的数组形状第一个为-1，第二个为第二维元素的数目
print(image.shape, S.shape)
n_colors = 64
model = KMeans(n_colors)  # 对颜色进行聚类
labels = model.fit_predict(S)  # 获取每个像素的颜色类别
colors = model.cluster_centers_  # 每个类别的颜色
# 以聚类中收替代原像素颜色，还原为二维
new_yellow = colors[labels].reshape(image.shape)
print("每个像素的颜色类别:", labels)
print("每个类别的颜色", colors)
# 压缩图片
plt.imshow(new_yellow.astype(np.uint8))
plt.show()
# 二次压缩图片
plt.imshow(new_yellow.astype(np.uint8)[::3, ::3])
plt.show()

# 观察压缩图片的文件大小，占内存大小
print("压缩图片大小：", new_yellow.size)
print("压缩图片内存", sys.getsizeof(new_yellow))