珠海新盈科技网站建设,红色为主的网站,wordpress图片介绍,淮北市建市目录 1.项目内容介绍
2.项目关键代码
3.项目效果展示 1.项目内容介绍
本项目是将一张图片进行k-means分类#xff0c;根据色彩k进行分类#xff0c;最后比较和原图的效果。
题目还是比较简单的#xff0c;我们只要通过k-means聚类#xff0c;一类就是一种色彩得出聚类之…目录 1.项目内容介绍
2.项目关键代码
3.项目效果展示 1.项目内容介绍
本项目是将一张图片进行k-means分类根据色彩k进行分类最后比较和原图的效果。
题目还是比较简单的我们只要通过k-means聚类一类就是一种色彩得出聚类之后的图像就是根据色彩分割出来的图像。
最后我们设定[50,20,10,8,6,4,2]个聚类簇我们画出8张图片对应比较还原的效果即可。
2.项目关键代码
import matplotlib.pyplot as plt
import numpy as np
from sklearn.cluster import KMeans
from matplotlib.image import imreadimage imread(rC:\Users\Zeng Zhong Yan\Desktop\py.vs\数学建模\Figure\HeayMap_Rain Figure.png)
X image.reshape(-1,3)#化成二维数组segmented_imgs []#创建空列表用于存储切割之后的图像
n_colors (50,20,10,8,6,4,2)
#根据不同的color进行k-means聚类
for n_cluster in n_colors:kmeans KMeans(n_clusters n_cluster,random_state42,n_initauto).fit(X)#根据KMeans算法的聚类结果将每个像素点的颜色映射到最接近的聚类中心形成分割后的图像segmented_img kmeans.cluster_centers_[kmeans.labels_]#将分割后的图像添加到segmented_imgs列表中并将其重新排列成与原始图像相同的形状segmented_imgs.append(segmented_img.reshape(image.shape))#绘制可视化图片
plt.figure(figsize(18,6),dpi500)
plt.subplot(241)
plt.imshow(image)
plt.title(Original image)for idx,n_clusters in enumerate(n_colors):plt.subplot(242idx)plt.imshow(segmented_imgs[idx])#在子图中显示分割后的图像plt.title({}colors.format(n_clusters))plt.savefig(rC:\Users\Zeng Zhong Yan\Desktop\py.vs\MachineLearning\图像分割.png,dpi500)
plt.show()
3.项目效果展示
