一、 聚类示例kmeans聚类原理：对于给定的样本集，按照样本之间的距离大小，将样本集划分为K个簇。让簇内的点尽量紧密的连在一起，而让簇间的距离尽量的大。
所以就算开始给定的聚类中心看上去非常离谱，样本与其之间的距离依然存在差距，仍可以被划分为不同类，经过不断优化后成为界限清晰的类别。
在写正式的程序之前，可以用简单数据做个demo
import numpy as np
from scipy.cluster.vq import vq, kmeans, whiten
import matplotlib.pyplot as plt
fe = np.array([[1.9,2.0],
[1.7,2.5],
[1.6,3.1],
[0.1,0.1],
[0.8,0.3],
[0.4,0.3],
[0.22,0.1],
[0.4, 0.3],
[0.4,0.5],
[1.8,1.9]])
book = np.array((fe[0], fe[1]))
print(type(book))
print("book: n",book)
codebook, distortion = kmeans(fe, book)
# 可以写kmeans(wf,2)， 2表示两个质心，同时启用iter参数
print("codebook:", codebook) #codebook是聚类中心
print("distortion: ", distortion) #distortion控制方差大小，使其越来越小
plt.scatter(fe[:,0], fe[:,1], c='g')
plt.scatter(codebook[:, 0], codebook[:, 1], c='r')
plt.show()
二、对图像进行色彩聚类
1.生成缩略图
用PIL生成小尺寸的图片，在小图片上聚类
用resize或者thumbnail（缩略图）
import os
from PIL import Image
import matplotlib.pyplot as plt
os.chdir(r'C:Users81244DesktopPython practice')
im=np.array(Image.open('bear.jpg'))
#用缩略图聚类
def colorz(filename,n=3):
img=Image.open(filename)
img=img.rotate(-90)
img.thumbnail((200,200))
w,h=img.size
print(w,h)
print('w*h=',w*h)
plt.axis('off')
plt.imshow(img)
plt.show()
points=[]
for count,color in img.getcolors(w*h):
points.append(color)
return points
colorz('bear.jpg',3)
2.取出图像的色彩和频次
直接完整代码吧
import os.path
from flask import Flask,render_template
from PIL import Image
import matplotlib.pyplot as plt
import numpy as np
from scipy.cluster.vq import vq, kmeans, whiten
def colorz(filename,n=3):
img=Image.open(filename)
img=img.rotate(-90)
img.thumbnail((200,200))
w,h=img.size
print(w,h)
print('w*h=',w*h)
plt.axis('off')
plt.imshow(img)
plt.show()
points=[]
for count,color in img.getcolors(w*h):
points.append(color)
return points
def kmeansColor(img,n):
points=colorz(img,3)
fe = np.array
codebook, distortion = kmeans()
centers = np.array(codebook,dtype=float)
return centers
os.chdir(r'C:Users81244DesktopPython practice')
points=colorz('bear.jpg',3)
print(points[0:10])
fe = np.array(points,dtype=float) #聚类需要是Float或者Double
print(fe[0:10])
book =np.array((fe[100],fe[1],fe[8],fe[8])) #聚类中心，初始值
print(type(book))
print("book: n",book)
#codebook, distortion = kmeans(fe,book)
codebook, distortion = kmeans(fe,7) #7是聚类中心个数
# 可以写kmeans(wf,2)， 2表示两个质心，同时启用iter参数
print("codebook:", codebook) #聚类中心
centers=np.array(codebook,dtype=int) #变为色彩，还得转为整数
print(centers)
print("distortion: ", distortion)
fe=np.array(points)
plt.scatter(fe[:,0], fe[:,2], c='b')
plt.scatter(codebook[:, 0], codebook[:,2], c='r') #聚类中心
plt.show()
最后：
flask出现了上面的报错……重启或者更改端口都解决不了，所以没有试验色彩聚类在flask里面的应用。
希望下次课前能解决，拜托拜托。
11.12补充
新建了project，然后可以运行了
from flask import Flask,render_template
import os
import cv2
import numpy as np
import matplotlib.pyplot as plt
from scipy.cluster.vq import vq, kmeans, whiten
from PIL import Image
app=Flask(__name__)
def colorz(filename,n):
img=Image.open(filename)
img=img.rotate(-90)
img.thumbnail((200,200))
w,h=img.size
print(w,h)
print('w*h=',w*h)
plt.axis('off')
plt.imshow(img)
plt.show()
points=[]
for count,color in img.getcolors(w*h):
points.append(color)
return points
def kmeansColor(img,n):
points = colorz(img, 3)
fe = np.array(points, dtype=float) # 聚类需要是Float或者Double
codebook, distortion = kmeans(fe, n) # 7是聚类中心个数
# 可以写kmeans(wf,2)， 2表示两个质心，同时启用iter参数
centers = np.array(codebook, dtype=int) # 变为色彩，还得转为整数
return centers
@app.route('/kmeancolor')
def kmeancolor():
pic='static/shot/image'
framecount=6
imgcolors=kmeansColor('static/shot/image0.jpg',5)
#kmeansColor('static/pic/bear',7)
print()
return render_template('kmean.html',pic1=pic,framecount=framecount,imgcolors=imgcolors)
if "__main__"==__name__:
app.run(port="5008")
