K-means算法应用：图片压缩

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

#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()

import matplotlib.image as img
img1=img.imread("C:\\Users\\hemeiling\\Desktop\\1.jpg")
plt.imshow(img1)
plt.show()
img1

#根据图片的分辨率，可适当降低分辨率
img2=img1[::3,::3]  #降低分辨率
x=img1.reshape(-1,3)  #生成行数未知，列数为3
print(img1.shape,img2.shape,x.shape)
plt.imshow(img2)
plt.show()

#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)
labels=model.fit_predict(x) #每个点颜色分类，0-63
colors=model.cluster_centers_ #64个聚类中心，颜色值
new_img=colors[labels]

#然后用聚类中心的颜色代替原来的颜色值。
new_img = new_img.reshape(x.shape)
new_img = new_img.astype(np.uint8)

#形成新的图片
plt.imshow(new_img)
plt.show()

#观察原始图片与新图片所占用内存的大小。
plt.imshow(img1)
plt.show()

plt.imshow(new_img)
plt.show()

#将原始图片与新图片保存成文件，观察文件的大小。
plt.imsave("C:\\Users\\hemeiling\\Desktop\\img1.jpg",img1)
plt.imsave("C:\\Users\\hemeiling\\Desktop\\new_img.jpg",new_img)