前言
在如今的互联网时代，网络上充满了海量的数据，当然也包括很多图片。因此图像压缩技术对于压缩图像和减少存储空间变得至关重要。
本文我们将使用无监督学习算法K-means聚类算法通过对图片颜色点进行聚类的方式，达到降低图片存储空间的目的。
图像由称为像素的几个强度值组成。在彩色图像中, 每个像素为3个字节, 每个像素包含RGB(红-蓝-绿)值, 该值具有红色强度值, 然后是蓝色, 然后是绿色强度值。
具体方法如下：
- 使用K均值聚类算法将图片相似的颜色归为不同的” k”个聚类(例如k = 64)，每个簇质心(RGB值)代表其各自簇的RGB颜色空间中的颜色矢量。
- 根据Kmeans算法找出图片上每个像素点对应的簇质心(RGB值)的标号值。
- 图片存储时，我们只需存储每个像素的标签编号, 并保留每个聚类中心的颜色向量的记录，根据编号及这个聚类中心颜色向量就可以告诉该像素所属的集群，即RGB值。
由上述存储方式可以看出，图片单个像素点的存储由RGB的3个字节，变为了只需存储一个标签编号的数字。存储空间只需原来的30%左右。
1. 加载图片及特征处理
from sklearn import datasets import numpy as np import matplotlib.pyplot as plt %matplotlib inline
# 加载图片 china = datasets.load_sample_image("china.jpg") plt.imshow(china)
china.dtype • 1
dtype('uint8') • 1
china.shape • 1
(427, 640, 3)
# 除以255，将像素点的值变为0-1之间 china = china/255 • 1 • 2
h,w,d = china.shape • 1
# 把像素点展开 img_array = china.reshape((h*w,d))
img_array.shape • 1
(273280, 3)
# 把像素点随机打乱 from sklearn.utils import shuffle img_array_shuffle = shuffle(img_array,random_state=0)
plt.imshow(img_array_shuffle.reshape((h,w,d)))
2. 进行KMeans聚类建模
from sklearn.cluster import KMeans # 用64个聚类来划分这些像素点 km = KMeans(n_clusters=64,random_state=0)
# 仅用前1000个像素点进行模型训练 km.fit(img_array_shuffle[:1000])
KMeans(algorithm='auto', copy_x=True, init='k-means++', max_iter=300, n_clusters=64, n_init=10, n_jobs=1, precompute_distances='auto', random_state=0, tol=0.0001, verbose=0)
# 表示这1000个样本对应的聚类标签，展示前100个标签编号 km.labels_[:100]
array([22, 36, 8, 56, 38, 42, 22, 31, 7, 2, 55, 31, 62, 21, 52, 43, 31, 18, 2, 4, 31, 56, 21, 2, 15, 5, 6, 49, 57, 13, 5, 21, 21, 3, 21, 47, 21, 2, 47, 32, 5, 42, 5, 33, 45, 56, 5, 57, 2, 38, 47, 6, 50, 50, 27, 62, 56, 57, 30, 28, 6, 5, 26, 24, 58, 44, 8, 21, 58, 60, 10, 56, 31, 10, 41, 5, 62, 41, 22, 6, 38, 25, 57, 36, 28, 21, 49, 2, 21, 48, 14, 15, 57, 22, 47, 63, 47, 2, 41, 34])
# # 用聚类中心点的颜色来代表这个聚类的颜色,展示前10个聚类中心 km.cluster_centers_[:10]
array([[0.62570806, 0.60261438, 0.53028322], [0.15546218, 0.1557423 , 0.12829132], [0.82063983, 0.89896801, 0.98462332], [0.42039216, 0.43843137, 0.2227451 ], [0.69527105, 0.74994233, 0.76516724], [0.92174422, 0.9556336 , 0.99514194], [0.07058824, 0.0754637 , 0.0508744 ], [0.28205128, 0.26395173, 0.19638009], [0.46509804, 0.43372549, 0.36901961], [0.71328976, 0.41960784, 0.31851852]])
3. 使用算法对原始图片进行聚类
# 用km模型去对原图进行聚类 labels = km.predict(img_array) • 1 • 2
创建一个函数用于重新合成图片
def recreate_img(centers,labels,h,w): # 行数的作用是将每个像素点的值，用对应编号的聚类中心代替 # 按照h和w创建一个空白图片 img = np.zeros((h,w,3)) # 通过for循环，遍历img中每一个点，并且从labels中取出下标对应的聚类重新给img赋值 label_index = 0 for i in range(h): for j in range(w): img[i][j] = centers[labels[label_index]] label_index += 1 return img
img_re = recreate_img(km.cluster_centers_, labels, h, w) • 1
4. 展示原始图片与使用64个聚类中心聚类后的图片
plt.figure(figsize=(12,6)) axes1 = plt.subplot(121) axes1.imshow(china) axes1.set_title("Instaces") axes2 = plt.subplot(122) axes2.imshow(img_re) axes2.set_title("64 colors,K-Means")
Text(0.5,1,'64 colors,K-Means')
5. 图片存储方式
- 存储上面的图片每个像素点对应的聚类编号：labels, 形状为：(273280,)
- 存储每个聚类编号对应聚类中心RGB值：km.cluster_centers_。形状为：(64, 3)
依据以上labels与km.cluster_centers_，我们即可还原出聚类之后的图片。相对于原始数据存储量降低了60%以上。
