目标：利用Kmeans对图像像素点颜色进行聚类实现简单的图像分割
输出：同一聚类中的点使用相同颜色标记，不同聚类颜色不同
#目标：利用Kmeans对图像像素点颜色进行聚类实现简单的图像分割 #输出：同一聚类中的点使用相同颜色标记，不同聚类颜色不同 import numpy as np import PIL.Image as image #加载PIL包，用于加载创建图片 from sklearn.cluster import KMeans def loadData(filePath): f = open(filePath, 'rb') #以二进制方式打开文件 data = [] img = image.open(f) #以列表形式返回图片像素值 print("img是这样的:",img) print("img的type:",type(img)) m, n = img.size #图片大小 print("图片大小",m,n) print(img.mode) #红色（R）0 到 255 间的整数，代表颜色中的红色成分。。绿色（G）0 到 255 间的整数，代表颜色中的绿色成分。蓝色（B）0 到 255 间的整数，代表颜色中的蓝色成分。透明度（A）取值 0~1 之间， 代表透明度。 for i in range(m): #将每个像素点RGB颜色处理到0——1 for j in range(n): #范围内并存进data r, g, b = img.getpixel((i, j)) #rgba这里多了一个维度a data.append([r / 256.0, g / 256.0, b / 256.0]) f.close() return np.mat(data), m, n #以矩阵形式返回data，以及图片大小 imgData, row, col = loadData('violet_evergarden.png') print(imgData.shape) print(row,col) label = KMeans(n_clusters=4).fit_predict(imgData) #聚类获得每个像素所属类别，人为分几类 # print(label) print(label.shape) # print(type(label)) # setlabel=set(label.ravel()) # print(setlabel) # print(len(setlabel)) label = label.reshape([row, col]) print(label) print(label.shape) print(type(label)) color = [(0,0,255),(255,255,0),(238,130,238),(0,255,0)] #建立四种不同颜色rgb值，4就是n_clusters的值 # pic_new = image.new("L", (row, col)) #创建一张新的灰度图保存聚类后的结果 pic_new = image.new("RGB",(row, col)) for i in range(row): for j in range(col): pic_new.putpixel((i, j), color[label[i][j]]) # pic_new.putpixel((i, j), int(256 / (label[i][j] + 1))) #根据所属类别向图片中添加灰度值 pic_new.save("violet_evergarden_new.jpg", "JPEG") #以JPEG格式保存图像 讯享网
结果：
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容，请联系我们，一经查实，本站将立刻删除。
如需转载请保留出处：https://51itzy.com/kjqy/35757.html