本节内容：
- KMEANS算法概述
- KMEANS工作流程
- KMEANS迭代可视化展示
- 使用Kmeans进行图像压缩
1、KMEANS算法概述
2、KMEANS工作流程：
假设k=2,分为两簇，
①先随机选取两个点作为质心；（初始值的选取很重要，进行多次k均值，看初值，在取平均）
②再计算每个样本点到质心的距离，选择距离短的质心作为一类；
③质心进行重新定位（向量各维取平均）；
④重新计算每个样本点到新质心的距离，再对每个样本进行遍历，看其归属于哪一类；
不断重复以上步骤直到所有样本点不在发生变化。
3、KMEANS迭代可视化展示
可视化：https://www.naftaliharris.com/blog/visualizing-dbscan-clustering/ https://www.naftaliharris.com/blog/visualizing-k-means-clustering/
4、使用Kmeans进行图像压缩
#导包 from skimage import io from sklearn.cluster import KMeans import numpy as np #读取图片 image = io.imread("face.jpg") #显示图片 io.imshow(image) #获取图片压缩前的信息 print (\'image的类型：\', type(image)) #numpy.ndarray类型 print (\'image的尺寸：\', image.shape) #显示尺寸 print (\'image的宽度：\', image.shape[0]) #图片宽度 w print (\'image的高度：\', image.shape[1]) #图片高度 h print (\'image的通道数：\', image.shape[2]) #图片通道数 c print (\'image的总像素个数：\', image.size) #显示总像素个数 print (\'image的最大像素值：\', image.max()) #最大像素值 print (\'image的最小像素值：\', image.min()) #最小像素值 print (\'image的像素平均值：\', image.mean()) #像素平均值 #rows*cols*channel = 482*500*3 rows = image.shape[0] cols = image.shape[1] channel = image.shape[2] #样本数*channel = 241000*3 #每个样本在不同通道都有存在1个点，即此时每个样本对应于3个点 image = image.reshape(image.shape[0] * image.shape[1], channel) #样本数*channel = 241000*1 #使用Kmeans算法将3通道变为1通道（将原来很多的颜色用少量的颜色来表示），即此时每个样本只存在1个点 #n_clusters：K值，把集合分成K个簇；n_init：指定CPU个数；max_iter：最大的迭代次数 kmeans = KMeans(n_clusters=128, n_init=10, max_iter=200) kmeans.fit(image) clusters = np.asarray(kmeans.cluster_centers_, dtype=np.uint8) #labels_：每个点的标签
labels = np.asarray(kmeans.labels_, dtype=np.uint8)
#rows*cols*channel = 482*500*1 labels = labels.reshape(rows, cols) np.save(\'codebook_test.npy\', clusters) #保存压缩后的图片 io.imsave(\'compressed_test.jpg\', labels)
运行结果：
使用K-means算法前：
4、 使用Kmeans进行图像压缩
#读取压缩后的图片 newimage = io.imread("compressed_test.jpg") #获取图片压缩后的信息 print (\'newimage的类型：\', type(newimage)) #numpy.ndarray类型 print (\'newimage的尺寸：\', newimage.shape) #显示尺寸 print (\'newimage的宽度：\', newimage.shape[0]) #图片宽度 print (\'newimage的高度：\', newimage.shape[1]) #图片高度 #print (\'newimage的通道数：\', newimage.shape[2]) #图片通道数 print (\'newimage的总像素个数：\', newimage.size) #显示总像素个数 print (\'newimage的最大像素值：\', newimage.max()) #最大像素值 print (\'newimage的最小像素值：\', newimage.min()) #最小像素值 print (\'newimage的像素平均值：\', newimage.mean()) #像素平均值 #显示压缩后的图片 io.imshow(newimage)
使用K-means算法后：