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
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt
import sys
import matplotlib.image as img
import numpy as np
# 读取一张图片
image = img.imread("./1.jpg")
print('原图片文件大小：', image.size)
print('原图片占内存大小：', sys.getsizeof(image))
print('原图片的数据结构：\n', image)
plt.rcParams['font.sans-serif'] = ['SimHei']#解决中文问题
plt.title("原图片")
plt.imshow(image)
plt.show()
# 用kmeans对图片像素颜色进行聚类
image = image[::3, ::3] # 降低分辨率
X = image.reshape(-1, 3)
print(image.shape, X.shape)
n_colors = 64
model = KMeans(n_colors)
labels = model.fit_predict(X) # 获取每个像素的颜色类别
colors = model.cluster_centers_ # 获取每个类别的颜色
new_image = colors[labels].reshape(image.shape) # 以聚类中收替代原像素颜色，还原为二维
print('压缩图片文件大小：', new_image.size)
print('压缩图片占内存大小：', sys.getsizeof(new_image))
print('压缩图片的数据结构：\n', new_image)
img.imsave('E://1.jpg', new_image)
plt.title("压缩图片")
plt.imshow(new_image.astype(np.uint8)) # 把颜色平均值转为整数
plt.show()
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。
用于收集房的信息，估算房价
（1）收集数据
两千多条数据
处理数据
（2）模型训练-测试-预测
