2018.11.05 作业九

K-means算法应用：图片压缩

读取一张示例图片或自己准备的图片，观察图片存放数据特点。

根据图片的分辨率，可适当降低分辨率。

再用k均值聚类算法，将图片中所有的颜色值做聚类。

然后用聚类中心的颜色代替原来的颜色值。

形成新的图片。

观察原始图片与新图片所占用内存的大小。

将原始图片与新图片保存成文件，观察文件的大小。

from sklearn.datasets import load_sample_image
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt
import numpy as np

china = load_sample_image("china.jpg")
plt.imshow(china)
plt.show()

　　

image = china[::3, ::3]  #降低分辨率
X = image.reshape(-1,3)
print(china.shape,image.shape,X.shape)

n_colors = 64   #(256,256,256)
model = KMeans(n_colors)
labels = model.fit_predict(X)      #每个点的颜色分类，0-63
colors = model.cluster_centers_    # 64个聚类中心，颜色值
new_image=colors[labels]  #进行颜色填充
new_image=new_image.reshape(image.shape) #还原原来的数组


plt.imshow(image);
plt.show()
plt.imshow(new_image.astype(np.uint8))#转换为数据类型画图
plt.show()

　　

#查看图片大小
import sys
print(sys.getsizeof(china)) #原图片
print(sys.getsizeof(new_image))  #新图片

　　

import matplotlib.image as img
ge = img.imread('C:\\樱花.jpg')
plt.imshow(ge)
plt.show()

　　

plt.imshow(ge[:,:,0])#改变图片色调,使图片失真
plt.show()

　　

print(ge.shape)
ge

　　

#将原始图片与新图片保存成文件，观察文件的大小
import matplotlib.image as img
img.imsave("c:\\ge.jpg",ge)
img.imsave("c:\\ges.jpg",ges)

　　

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？
•