python学习⑤|利用Kmeans聚类算法进行主颜色提取

整体思路

目录

整体思路

k-means聚类分析

完整代码与结果

在html中显示其颜色

​

---

读取图像并转化为数据类型

构造Kmeans聚类器进行聚类

获取聚类中心点

主颜色可视化

k-means聚类分析

k-means导图

完整代码与结果

import os.path
from flask import Flask,render_template
from PIL import Image
import matplotlib.pyplot as plt
import numpy as np
from scipy.cluster.vq import vq, kmeans, whiten

def colorz(filename,n=3):
    img=Image.open(filename)
    img=img.rotate(-90)
    img.thumbnail((200,200))
    w,h=img.size
    print(w,h) 
    print('w*h=',w*h)
    plt.axis('off')
    plt.imshow(img)
    plt.show()
    points=[]
    for count,color in img.getcolors(w*h):
        points.append(color)
    return points


def kmeansColor(img,n):
    points=colorz(img,3)
    fe = np.array
    codebook, distortion = kmeans()
    centers = np.array(codebook,dtype=float)
    return centers

points=colorz('1.jpg',3)
print(points[0:10])

fe = np.array(points,dtype=float)   #聚类需要是Float或者Double
print(fe[0:10])
book =np.array((fe[100],fe[1],fe[8],fe[8]))   #聚类中心，初始值
print(type(book))
print("book: \n",book)

#codebook, distortion = kmeans(fe,book)
codebook, distortion = kmeans(fe,7)   #7是聚类中心个数
# 可以写kmeans(wf,2)， 2表示两个质心，同时启用iter参数

print("codebook:", codebook)   #聚类中心
centers=np.array(codebook,dtype=int)  #变为色彩，还得转为整数
print(centers)
print("distortion: ", distortion)

fe=np.array(points)
plt.scatter(fe[:,0], fe[:,2], c='b')
plt.scatter(codebook[:, 0], codebook[:,2], c='r')   #聚类中心
plt.show()

在html中显示其颜色