Scipy-kmeans聚类色彩提取

K-means聚类分析属于非层次聚类法的一种。首先选择某些记录作为凝聚点（可人为指定），按就近原则将其余记录向凝聚点凝集，计算出各个处室分类的中心位置（均值），用计算出的中心位置重新进行聚类，如此循环反复，知道凝聚点位置收敛为止。

 kmeans算法又名k均值算法,K-means算法中的k表示的是聚类为k个簇，means代表取每一个聚类中数据值的均值作为该簇的中心，或者称为质心，即用每一个的类的质心对该簇进行描述。
        其算法思想大致为：先从样本集中随机选取 k个样本作为簇中心，并计算所有样本与这 k个“簇中心”的距离，对于每一个样本，将其划分到与其距离最近的“簇中心”所在的簇中，对于新的簇计算各个簇的新的“簇中心”。
————————————————
版权声明：本文为CSDN博主「Best-yz」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/qq_43741312/article/details/97128745 

import numpy as np
from scipy.cluster.vq import vq,kmeans,whiten
import matplotlib.pyplot as plt

#样本数据
fe=np.array([[1.6,2.3],[0.5,0.8],[0.1,2.8],[3.5,5.6],[0.6,0.7]])

#选择出初始化的凝聚中心K
book=np.array((fe[0],fe[1]))
print("book:n",book)

#计算数值之间的距离
codebook,distortion=kmeans(fe,book)
print(kmeans(fe,book))
print("codebook:",codebook)
print("distortion:",distortion)

#将各个数据点再图里呈现
plt.scatter(fe[:,0],fe[:,1],c='g')
plt.scatter(codebook[:,0],codebook[:,1],c="r")
plt.show

1.用PIL生成小尺寸图片，准备在缩略图上进行聚类。并且得出图片色彩的数据值。

im=np.array(Image.open("logo.png"))

def colorz(filename,n=3):
    img=Image.open(filename)
    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 cout,color in img.getcolors(w*h):
        points.append(color)#将图片颜色数据装入列表
    return points
colorz("logo.png",3)

2.对色彩聚类

points=colorz("logo.png",3)
fe=np.array(points,dtype=float)
book=np.array((fe[100],fe[1],fe[8],fe[8]))

codebook,distortion=kmeans(fe,7)
centers=np.array(codebook,dtype=int)

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()

• 承接上步colorz自定义函数，通过float方法处理数据，因为聚类数据需要时Float或者是Double
• 确定聚类中心，放入book
• kmeans（fe，7），7是聚类中心个数
• 聚类结束，若想在图里显示色彩，还得转为整数

运行结果：红色为七个聚类中心。

 3.合并到FLlask软件中

julei.py文件：

from flask import Flask,render_template
import numpy as np
from scipy.cluster.vq import vq,kmeans,whiten
from PIL import Image


app=Flask(__name__)

def colorz(filename,n=3):
    img=Image.open(filename)
    img=img.rotate(-90)
    img.thumbnail((200,200))
    w,h=img.size
    points=[]
    for cout,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)
    codebook, distortion = kmeans(fe, 7)
    centers = np.array(codebook, dtype=int)
    return centers


@app.route('/')


def julei():
    #genframe()
    imgcolors=kmeansColor("static/all/image100.jpg",5)
    return render_template("julei.html",imgcolors=imgcolors)

if "__main__"==__name__:
    app.run(port="0723")

 julei.html文件：

    
    





{{imgcolors}}

{% for c in imgcolors %}
颜色
{% endfor %}

结果：