from sklearn.datasets import load_sample_image
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans
import numpy as np
china=load_sample_image("china.jpg")
plt.imshow(china)
plt.show()
image=china[::3,::3] #降低分辨率
plt.imshow(image)
plt.show()
x=image.reshape(-1,3)#重造数组
n_colors=64 #(256，256，256)
model=KMeans(n_colors) #64类聚类中心
labels=model.fit_predict(x) #每个点的颜色分类，0-63
colors=model.cluster_centers_ #64类聚类中心值
new_image=colors[labels] #进行颜色填充
new_image=new_image.reshape(image.shape) #还原原来的数组
plt.imshow(new_image.astype(np.uint8)) #转换为数据类型，并画图
plt.show()
#查看图片大小
import sys
print(sys.getsizeof(china)) #原图片
print(sys.getsizeof(new_image)) #新图片
819968
128
#原始图片与新图片保存成文件，观察文件的大小。
#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？
