1. 应用K-means算法进行图片压缩

读取一张图片

观察图片文件大小，占内存大小，图片数据结构，线性化

用kmeans对图片像素颜色进行聚类

获取每个像素的颜色类别，每个类别的颜色

压缩图片生成：以聚类中收替代原像素颜色，还原为二维

观察压缩图片的文件大小，占内存大小

 源代码如下：

# 应用 K-means算法进行图片压缩
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt
import matplotlib.image as img
import numpy as np
import sys
plt.rcParams['font.sans-serif'] = ['SimHei']  # 设置字体

# 读取图片
img = img.imread("./images/test.png")   # 图片路径
plt.title("原始图片")
plt.imshow(img)
plt.show()

# 观察图片文件大小，占内存大小，图片数据结构，线性化
print("图片文件大小:", img.size)
print("图片占内存大小:", sys.getsizeof(img))
print("图片数据结构为:", img)
x = img.reshape(-1, 3)     # 将图片信息转为数组
print("图片线性化:", x)

# 用kmeans对图片像素颜色进行聚类
y = KMeans(n_clusters=16)  # 模型构建(聚类中心为16)
y.fit(x)   # 模型训练

# 获取每个像素的颜色类别，每个类别的颜色
y_kmeans = y.predict(x)  # 模型预测
kc = y.cluster_centers_  # 聚类中心
print(kc)    # 查看聚类中心(颜色)

# 压缩图片生成：以聚类中收替代原像素颜色，还原为二维
new_img = kc[y_kmeans].reshape(img.shape)  # 用聚类中心颜色代替原像素颜色
new_img = new_img.astype(np.uint8)

# 观察压缩图片的文件大小，占内存大小
plt.title("压缩后图片")
plt.imshow(new_img)
plt.show()
plt.imsave("./images/new_img.png")
print("压缩图片文件大小:", new_img.size)
print("压缩图片占内存大小:", sys.getsizeof(new_img))

运行结果如下：

 

 

 

2. 观察学习与生活中可以用K均值解决的问题。

从数据-模型训练-测试-预测完整地完成一个应用案例。

这个案例会作为课程成果之一，单独进行评分。