图像像素差异：图像量化和K-Means

所谓图像量化就是将在空间上连续的图像像素值，转换为区间单个特定值的过程，举个例子，就是把0,1,2,3,4,5 表示为 0-5这样的区间过程。我们通过图像感受一下：

原始图像

那么具体怎么实现的呢？方法很简单：

def quality_sampling(cv2_img, level = 4):
    """ 采样：灰度分级 """
    h,w , channel = cv2_img.shape
    img_new = np.zeros(cv2_img.shape, np.uint8) ### 空白图像
    levels = [int(x*256/level) for x in range(256) if int(x*256/level) < 256] ### 根据灰度等级确定灰度区间数值
    
    ##### 图像灰度分类
    for i in range(h):
        for j in range(w):
            for c in range(channel):
                value = cv2_img[i, j][c]  
                current_level = [levels[idx] for idx, next_level in enumerate(levels[1:]) if value >= levels[idx] and next_level > value]
                if len(current_level)==0:
                    current_level = max(levels)
                img_new[i,j][c] = np.uint8(current_level)
    del cv2_img
    return img_new   
    

img_levels = []
img1 = quality_sampling(ori_img, level=2)
img2 = quality_sampling(ori_img, level=4)
img3 = quality_sampling(ori_img, level=8)
img4 = quality_sampling(ori_img, level=12)
img5 = quality_sampling(ori_img, level=16)
img6 = quality_sampling(ori_img, level=32)
img7 = quality_sampling(ori_img, level=64)
img8 = quality_sampling(ori_img, level=128)
img7 = quality_sampling(ori_img, level=64)
img8 = quality_sampling(ori_img, level=128)

原始图像：

不同灰度等级的图像：

        灰度等级=256：

我们可以看到，随着灰度等级变大（灰度等级为2，表示将256的像素值分为2份，即0~128位一份，其余为一份），图像越来越接近原始图像，其实就是把灰度值接近的放到一起，这也类似k-means。 只不过后者是根据灰度值进行分组（分组间距可能是不等距的），分组是根据各像素值之间的接近程度划分的，而前者是强制的等间距分组。

kmeans 效果如下：

kmeans 4簇聚类效果：

kmeans 8簇聚类效果：