#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)