写在前面：
先给大家看一波图片压缩的效果图，下面是我本人的微信二维码进行图像压缩前后的图像
KMeans算法压缩方式，就是将原来很多的颜色用少量的颜色去表示，这样就可以减小图片大小了。
各位小伙伴系不系很激动啦！那么接下来赶紧看一下上面的效果是如何实现吧。
代码：
#导包
from skimage import io
from sklearn.cluster import KMeans
import numpy as np
#读取图片
image = io.imread("face.jpg")
#显示图片
io.imshow(image)
#获取图片压缩前的信息
print ('image的类型：', type(image)) #numpy.ndarray类型
print ('image的尺寸：', image.shape) #显示尺寸
print ('image的宽度：', image.shape[0]) #图片宽度
print ('image的高度：', image.shape[1]) #图片高度
print ('image的通道数：', image.shape[2]) #图片通道数
print ('image的总像素个数：', image.size) #显示总像素个数
print ('image的最大像素值：', image.max()) #最大像素值
print ('image的最小像素值：', image.min()) #最小像素值
print ('image的像素平均值：', image.mean()) #像素平均值
#rows*cols*channel = 482*500*3
rows = image.shape[0]
cols = image.shape[1]
channel = image.shape[2]
#样本数*channel = 241000*3
#每个样本在不同通道都有存在1个点，即此时每个样本对应于3个点
image = image.reshape(image.shape[0] * image.shape[1], channel)
#样本数*channel = 241000*1
#使用Kmeans算法将3通道变为1通道（将原来很多的颜色用少量的颜色来表示），即此时每个样本只存在1个点
#n_clusters：K值，把集合分成K个簇；n_init：指定CPU个数；max_iter：最大的迭代次数
kmeans = KMeans(n_clusters=128, n_init=10, max_iter=200)
kmeans.fit(image)
clusters = np.asarray(kmeans.cluster_centers_, dtype=np.uint8)
#labels_：每个点的标签
labels = np.asarray(kmeans.labels_, dtype=np.uint8)
#rows*cols*channel = 482*500*1
labels = labels.reshape(rows, cols)
np.save('codebook_test.npy', clusters)
#保存压缩后的图片
io.imsave('compressed_test.jpg', labels)运行结果：
使用K-means算法前：
#读取压缩后的图片
newimage = io.imread("compressed_test.jpg")
#获取图片压缩后的信息
print ('newimage的类型：', type(newimage)) #numpy.ndarray类型
print ('newimage的尺寸：', newimage.shape) #显示尺寸
print ('newimage的宽度：', newimage.shape[0]) #图片宽度
print ('newimage的高度：', newimage.shape[1]) #图片高度
#print ('newimage的通道数：', newimage.shape[2]) #图片通道数
print ('newimage的总像素个数：', newimage.size) #显示总像素个数
print ('newimage的最大像素值：', newimage.max()) #最大像素值
print ('newimage的最小像素值：', newimage.min()) #最小像素值
print ('newimage的像素平均值：', newimage.mean()) #像素平均值
#显示压缩后的图片
io.imshow(newimage)使用K-means算法后：
扫描二维码关注公众号，回复：
3243454 查看本文章
温馨提示：大家练习的时候可以选择占用空间比较小的图片，不然图片过大可能运行时间就很长啦！慢慢等吧，哈哈！
更多AI资源请关注公众号：大胡子的AI
欢迎各位AI爱好者加入群聊交流学习：882345565（内有大量免费资源哦！）
版权声明：本文为博主原创文章，未经博主允许不得转载。如要转载请与本人联系。