6-1 K-mean算法压缩图片

刚自学机器学习，结合别人代码，理解后修改小案例-（欢迎小白交流，大佬请跳过）

介绍

处理图片以rgb编码：.png格式图片一般是rgba或rgb编码格式，rgb以三个字节，每个字节分别代表红、绿、蓝三种颜色的强度，三者取值分别为（0-255）无符号整数形式。而rgba，多了的a表示透明强度，其他前三个字节与rgb一致。（非rgb需要转换为rgb编码形式）
K-mean算法处理：一张图片有上千种颜色特征，我们使用k-mean算法，来获得最主要的16钟颜色特征，来达到压缩图片。

K-mean 算法主体

import numpy as np
import matplotlib.pyplot as plt
from scipy.io  import loadmat
from skimage import io
import PIL.Image as Image

#初始化中心簇
def initCentroids(X,K):
    m,n=X.shape
    idx=np.random.choice(m,K)
    centroids=X[idx]
    return centroids

#求出最近的中心簇
def findClostestCentroides(X,Centroides):
    idx=[]
    for i in range(len(X)):
        jian=X[i]-Centroides
        dist=jian[:,0]**2+jian[:,1]**2
        idx_min=np.argmin(dist)
        idx.append(idx_min)
    return np.array(idx)

# 计算每个节点簇中心
def computercenter(X,idx):
    Centroids = []
    for i in range(15):
        if (X[idx==i].size!=0):
            u_k=X[idx==i].mean(axis=0)      #计算平均值(技巧)
            Centroids.append(u_k)
        else:
            continue
    return np.array(Centroids)

#实现K-Means算法
def runKmeans(X,centroids,max_itens):
    centroids_i=centroids
    centroids_all=[]
    centroids_all.append(centroids)     #[[3,2]]
    for i in range(max_itens):
        # 求出最近的中心簇
        idx=findClostestCentroides(X,centroids_i)
        # 计算平均值
        centroids_i=computercenter(X,idx)
        centroids_all.append(centroids_i)      #[[3,2]...[3,2]]()max_itens个
    return idx,centroids_all

首先在computecenter(X,idx)，idx为簇的种类下标，这里需要注意并不是0-15，这16个中心簇都有样本，有些簇会为空，所有需要判断那些簇为空，我们需要存储的非空的簇，实际上我们初始化时定义有16个中心簇，但是到最后发现减少到9个中心簇。

K-Mean算法作用于RGB格式

#非RGB转换为RGB格式
img=Image.open('DATA\\picture1.png')
  if img.mode!="RGB":
      img_rgb=img.convert('RGB')
      img_rgb.save("new.png")
#导入图片，这里已经是调整好的rgb编码
B=io.imread('DATA\\new.png')    #(132,129,3)

实现压缩

def zip(A):
    A=A/255  #将所有数值范围缩小到（0-1之间）
    A=np.array(A) #转换类型
    X=A.reshape(-1,3)           
    K=16
    centroids=initCentroids(X,K)
    idx,centroids_all=runKmeans(X,centroids,10)
    img=np.zeros(X.shape)
    centroids=centroids_all[-1]     #(16,3)
    for i in range(len(centroids)):
        img[idx==i]=centroids[i]
    img=img.reshape((132,129,3)) #这里需要看下源图片格式大小，进行还原
    fig,axes=plt.subplots(1,2,figsize=(12,6))
    axes[0].imshow(A)
    axes[1].imshow(img)
    plt.show()
zip(B)

代码效果，左侧为原图，右侧是压缩还原后的图：

图片.png