k 均值算法如何实现颜色压缩

使用k均值算法实现颜色压缩的步骤如下：

1. 导入所需的库和模块：

import numpy as np
from sklearn.cluster import KMeans

2. 加载图像数据：

from PIL import Image

# 加载图像
image = Image.open('input_image.jpg')
# 转换为numpy数组
image_array = np.array(image)
# 获取图像的尺寸
h, w, _ = image_array.shape
# 将图像数组重塑为二维数组
image_array = image_array.reshape(h * w, 3)

3. 使用k均值算法进行颜色压缩：

# 定义压缩后的颜色数量
n_colors = 16
# 创建k均值模型
kmeans = KMeans(n_clusters=n_colors, random_state=0)
# 使用k均值算法拟合数据
kmeans.fit(image_array)
# 获取压缩后的颜色簇中心
colors = kmeans.cluster_centers_
# 获取每个像素点所属的颜色簇
labels = kmeans.labels_

4. 生成压缩后的图像：

# 创建新的图像数组
compressed_image_array = np.zeros_like(image_array)
# 将每个像素点替换为所属颜色簇的中心颜色
for i in range(len(image_array)):
    compressed_image_array[i] = colors[labels[i]]
# 将图像数组重塑回原始形状
compressed_image_array = compressed_image_array.reshape(h, w, 3)
# 创建压缩后的图像对象
compressed_image = Image.fromarray(compressed_image_array.astype('uint8'))

5. 保存压缩后的图像：

compressed_image.save('compressed_image.jpg')

完整的代码示例如下：

import numpy as np
from sklearn.cluster import KMeans
from PIL import Image

# 加载图像
image = Image.open('input_image.jpg')
image_array = np.array(image)
h, w, _ = image_array.shape
image_array = image_array.reshape(h * w, 3)

# 定义压缩后的颜色数量
n_colors = 16
# 创建k均值模型
kmeans = KMeans(n_clusters=n_colors, random_state=0)
# 使用k均值算法拟合数据
kmeans.fit(image_array)
colors = kmeans.cluster_centers_
labels = kmeans.labels_

compressed_image_array = np.zeros_like(image_array)
for i in range(len(image_array)):
    compressed_image_array[i] = colors[labels[i]]
compressed_image_array = compressed_image_array.reshape(h, w, 3)
compressed_image = Image.fromarray(compressed_image_array.astype('uint8'))
compressed_image.save('compressed_image.jpg')

注意：在运行代码之前，需要将input_image.jpg替换为实际的输入图像文件名。