k-means算法另类应用（压缩图片） k-means算法另类应用：压缩图片

文章图片
不看广告，直接看“疗效”：
网络上下载的图片，图片中有大面积色块的还是有压缩空间：

保留原图片中64种颜色。压缩率：66%，也就是节省了1/3的存储空间
对于网络上色彩斑斓的图片。压缩率有可能不降反增。

其实很多网站的图片已经优化压缩了，能再压缩的空间很小。
自己拍摄的图片，即使保留更多的颜色也能获得较大压缩比：

压缩率：33%
原理：

保留少数量的颜色，取代原图片中的N多颜色
采用聚类方式得到新的颜色种类，用种类中心的颜色代表这个颜色种类
用选出来的颜色重新对图片着色

代码在此：

import numpy as np import matplotlib.pyplot as plt from scipy import stats import imageioiname = "original.jpg" cname = "compress_" + iname#保留的颜色数量 n_colors = 64 img = imageio.imread(iname)ax = plt.axes(xticks=[], yticks=[]) ax.imshow(img); img.shapedata = https://www.it610.com/article/img / 255.0 # 颜色从0-255转换为0-1之间的小数 data = data.reshape(-1, 3) data.shape#批量KMeans from sklearn.cluster import MiniBatchKMeans kmeans = MiniBatchKMeans(n_colors) kmeans.fit(data) new_colors = kmeans.cluster_centers_[kmeans.predict(data)]#重新着色 new_img = new_colors.reshape(img.shape) new_img = (255 * new_img).astype(np.uint8)fig, ax = plt.subplots(1, 2, figsize=(16, 6), subplot_kw=dict(xticks=[], yticks=[])) fig.subplots_adjust(wspace=0.05) ax[0].imshow(img) ax[0].set_title('Original Image', size=16) ax[1].imshow(new_img) ax[1].set_title(str(n_colors)+'-color Image', size=16); #保存压缩后的图片 imageio.imsave(cname,new_img)# 计算压缩率import os from os.path import join, getsizecompress_ratio = getsize(cname) / getsize(iname) compress_ratio

代码参考：
https://mybinder.org/v2/gh/jakevdp/PythonDataScienceHandbook/master?filepath=notebooks%2FIndex.ipynb
里面的In Depth: k-Means Clustering：