from sklearn.datasets import load_sample_image

from sklearn.cluster import KMeans

import matplotlib.pyplot as plt

#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

china = load_sample_image("china.jpg")

plt.imshow(china)

plt.show()

print(china.shape)

#根据图片的分辨率，适当降低分辨率

image = china[::3,::3]  #行列分别按step为3的距离取

x = image.reshape(-1,3) #生成行数自填充，列数为3的二维数组

plt.imshow(image)

plt.show()

print(image.shape,x.shape)

#用k均值聚类算法，将图片中所有颜色值做聚类。

n_color = 64

model = KMeans(n_color)

labels = model.fit_predict(x) #每个点的颜色分类

color = model.cluster_centers_ #64个聚类中心，颜色值

#用聚类中心的颜色代替原来颜色，形成新图片

color[labels]

images = image.reshape(143, 214, 3)

print(images.shape)

plt.imshow(images)

plt.show()