K-means算法應用：圖片壓縮

讀取一張示例圖片或自己準備的圖片，觀察圖片存放數據特點。

根據圖片的分辨率，可適當降低分辨率。

再用k均值聚類算法，將圖片中所有的顏色值做聚類。

然後用聚類中心的顏色代替原來的顏色值。

形成新的圖片。

觀察原始圖片與新圖片所占用內存的大小。

將原始圖片與新圖片保存成文件，觀察文件的大小。

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

china = load_sample_image("china.jpg")
plt.imshow(china)
plt.show()

image = china[::3, ::3]  #降低分辨率
X = image.reshape(-1,3)
print(china.shape,image.shape,X.shape)

n_colors = 64   #(256,256,256)
model = KMeans(n_colors)
labels = model.fit_predict(X)      #每個點的顏色分類，0-63
colors = model.cluster_centers_    # 64個聚類中心，顏色值
new_image=colors[labels]  #進行顏色填充
new_image=new_image.reshape(image.shape) #還原原來的數組


plt.imshow(image);
plt.show()
plt.imshow(new_image.astype(np.uint8))#轉換為數據類型畫圖
plt.show()

#查看圖片大小
import sys
print(sys.getsizeof(china)) #原圖片
print(sys.getsizeof(new_image))  #新圖片

import matplotlib.image as img
ge = img.imread(‘C:\\櫻花.jpg‘)
plt.imshow(ge)
plt.show()

plt.imshow(ge[:,:,0])#改變圖片色調,使圖片失真
plt.show()

print(ge.shape)
ge

#將原始圖片與新圖片保存成文件，觀察文件的大小
import matplotlib.image as img
img.imsave("c:\\ge.jpg",ge)
img.imsave("c:\\ges.jpg",ges)

理解貝葉斯定理：

• M桶：7紅3黃
• N桶：1紅9黃
• 現在：拿出了一個紅球
• 試問：這個紅球是M、N桶拿出來的概率分別是多少？
• 

2018.11.05 作業九