作业8

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()


#查看原始图片与新图片所占用内存的大小
import sys
print(sys.getsizeof(china))
print(sys.getsizeof(images))


#将原始图片与新图片保存文件，观察文件大小
import matplotlib.image as img
img.imsave("C:\\china.jpg",china)
img.imsave("C:\\new_china.jpg",images)

 

1.图片压缩

 

最后新图片结果如下:

 

图片大小:

 

 

 

2.贝叶斯

• 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？

 

解:   设:省略.

1) P(M|A) = P(A·M) · P(M) / P(A)  = (7/10 · 1/2)/ (8/20) =  7/8

2) P(N|B) = 1 - P(M|A) = 1/8