第九次作业——K-means算法应用:图片压缩

一.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。

#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
from sklearn.datasets import load_sample_image
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt
import numpy as np #读取图片
china = load_sample_image("china.jpg")
plt.imshow(china)
plt.show()
print(china.shape)#观察图片存放数据特点
china #根据图片的分辨率,可适当降低分辨率
image = china[::3, ::3]
X = image .reshape(-1,3)
plt.imshow(image)
plt.show()
print(image.shape,X.shape) #再用k均值聚类算法,将图片中所有的颜色值做聚类。
n_colors =64 #(256,256,256)
model = KMeans(n_colors) #每个点的颜色分类,0-63
labels = model.fit_predict(X) #64个聚类中心,颜色值
colors = model.cluster_centers_ #用聚类中心的颜色代替原来的颜色值
new_image=colors[labels] #形成新的照片
new_image=new_image.reshape(image.shape)
plt.imshow(new_image.astype(np.uint8))
plt.show() #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。
import matplotlib.image as img
img.imsave('F:\\china.jpg',china)
img.imsave('F:\\china_zip.jpg',image)

运行结果

第九次作业——K-means算法应用:图片压缩

第九次作业——K-means算法应用:图片压缩

第九次作业——K-means算法应用:图片压缩

第九次作业——K-means算法应用:图片压缩

第九次作业——K-means算法应用:图片压缩

二.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?

第九次作业——K-means算法应用:图片压缩

上一篇:Redis在windows下安装与配置


下一篇:Web项目开发流程 PC端