4.K均值算法

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

 from sklearn.datasets import load_sample_image

import matplotlib.pyplot as plt

from sklearn.cluster import KMeans

import numpy as np

flower=load_sample_image(‘flower.jpg‘)#原始图片

plt.imshow(flower)

plt.show()

image=flower[::3,::3]#降低原始图片的分辨率

plt.imshow(image)

plt.show()

#利用Kmeans对图片进行压缩

x=image.reshape(-1,3)#改变数组的形状

n_colors=64

model=KMeans(n_colors)

labels=model.fit_predict(x)

colors=model.cluster_centers_

new_image=colors[labels]

new_image=new_image.reshape(image.shape)

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

plt.show()

import sys

print(sys.getsizeof(flower))

print(sys.getsizeof(new_image))

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。