2018.11.05 作業九
阿新 • • 發佈:2018-11-07
del 多少 inf model mode atp center rom 數據類型
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