题目：使用聚类算法进行图片压缩现在我们获得了一张图片flower.jpg，我们希望使用聚类算法对图像进行压缩，其思想是：其核心思想是通过聚类将颜色表示数量减少。

import numpy as np

# 图像处理库 Scipy，读取和保存图片时

from scipy import misc

# sklearn.cluster模块提供了常用的非监督聚类算法

from sklearn import cluster

import matplotlib.pyplot as plt

###STEP1###

#compress_image函数实现图片压缩功能，compress_image函数将每个像素作为一个元素进行聚类，以此减少其颜色个数。

#参数img是图片传入的接口，因此我们需要知道变量img的数据结构，请自行查看。

def compress_image(img, num_clusters):

    #思考，聚类算法对输入的数据结构要求如何？

    #问题一：补全代码，将img结构进行转换即每个像素作为一个元素，使之能符合聚类算法数据输入的要求。

    X=img.reshape((-1,1))

    # 创建KMeans聚类模型，并训练。

    # n_clusters：整形，缺省值=8 【生成的聚类数，即产生的质心（centroids）数。】

    # n_init：整形，缺省值=10。用不同的质心初始化值运行算法的次数，最终解是在inertia意义下选出的最优结果。

    # random_state：整形或 numpy.RandomState 类型，可选

    # 用于初始化质心的生成器（generator）。如果值为一个整数，则确定一个seed。此参数默认值为numpy的随机数生成器。

    kmeans = cluster.KMeans(n_clusters=num_clusters, n_init=4, random_state=5)

    kmeans.fit(X)

    #问题二：分别获取每个数据聚类后的label，以及每个label的质心。   

    labels = kmeans.labels_

    centroids = kmeans.cluster_centers_.squeeze()

    #问题三：使用质心的数值代替原数据的label值，那么我们将获得一个新的图像。

    # 提示，使用numpy的choose函数进行进行质心值的代替，reshape函数回复原图片的数据结构，并返回结果。

    input_image_compressed = np.choose(labels, centroids).reshape(img.shape)

return input_image_compressed

###STEP2###

#plot_image函数打印图片

def plot_image(img, title):

    vmin = img.min()

    vmax = img.max()

    plt.figure()

    plt.title(title)

    plt.imshow(img, cmap=plt.cm.gray, vmin=vmin, vmax=vmax)

###STEP3###

#读入图片，设置压缩率，实现压缩

#设置图片的路径和压缩比例

input_file = "girl.jpg"

num_bits = 2

if not 1 <= num_bits <= 8:

    raise TypeError('Number of bits should be between 1 and 8')

num_clusters = np.power(2, num_bits)

# 输出压缩的比例

compression_rate = round(100 * (8.0 - num_bits) / 8.0, 2)

print ("nThe size of the image will be reduced by a factor of", 8.0/num_bits)

print ("nCompression rate = " + str(compression_rate) + "%")

# 加载需要压缩的图片

import imageio

input_image = imageio.imread(input_file).astype(np.uint8)

# 原始图像的输出

plot_image(input_image, 'Original image')

# 压缩后的图像输出

input_image_compressed = compress_image(input_image, num_clusters).astype(np.uint8)

plot_image(input_image_compressed, 'Compressed image; compression rate = '

            + str(compression_rate) + '%')

plt.show()