【機器學習七】利用K-means壓縮圖片
阿新 • • 發佈：2018-11-30
在學習機器的過程中，發現了K-means的一種應用，遂那這個例子，練練手，增加對K-means的理解。
# -- encoding:utf-8 -- """ Create by yexm on 2018/11/24 """ # coding:utf-8 import matplotlib.pyplot as plt import numpy as np from sklearn.cluster import KMeans from sklearn.utils import shuffle from sklearn import metrics def im_resize(imgData,pixel=64): w,h,rgb = imData.shape img = 0 if rgb == 3 or rgb == 1: img = np.array(imData,dtype=np.float32)/255 else: img = imData img0 = img.reshape(-1, rgb) x_train = shuffle(img0, random_state=28)#打亂資料 algo = KMeans(n_clusters=pixel) algo.fit(x_train[:2000,:]) x_class = algo.predict(img0) center = algo.cluster_centers_#各個簇中心座標 n=0 img1 = np.zeros([w, h, rgb]) for i in range(w): for j in range(h): index = x_class[n] data = center[index]#用簇中心的值代表該簇內其他點的值 img1[i,j]= data n+=1 km_y_hat2 = algo.labels_ print(metrics.silhouette_score(img0, x_class))#打印出輪廓係數(即聚類衡量的一種指標) return img1 if __name__ == "__main__": imData = plt.imread('143731404.jpg')#讀取當前目錄下的圖片 imDataNew = im_resize(imData, pixel=64)#pixel值的是簇的資料即我們長說K-means中的K plt.imshow(imDataNew) plt.show()