基於Kmeans的圖像分割

實現方式：

• 編輯器：Spyder
• 編譯環境：Python 3.6
• 操作系統：Win 10

下面直接貼出代碼：

（2017.10.25修改），增加了下面代碼中的第七行，將KMeans宏包導入。

#################################################
# kmeans: k-means cluster （PIC）
# Email  : [e-mail]
#################################################

#coding:UTF-8
from sklearn.cluster import KMeans
import PIL.Image as image
import numpy as np
#from KMeanspp import run_kmeanspp

def load_data(file_path):
    print('''導入數據
    input:  file_path(string):文件的存儲位置
    output: data(mat):數據
    ''')
    f = open('D:/P/Kmeanspic/test1.jpg', "rb")  # 以二進制的方式打開圖像文件
    data = []
    im = image.open(f)  # 導入圖片
    m, n = im.size  # 得到圖片的大小
    print (m, n)
    for i in range(m):
        for j in range(n):
            tmp = []
            x, y, z = im.getpixel((i, j))
            tmp.append(x / 256.0)
            tmp.append(y / 256.0)
            tmp.append(z / 256.0)
            data.append(tmp)
    f.close()
    return np.mat(data),m,n
print('主函數運行')
imgData,row,col = load_data('D:/P/Kmeanspic/test.jpg')  #調用上面的數據讀取子函數
label = KMeans(n_clusters=3).fit_predict(imgData)  #圖片聚成3類  
 #打印新圖像  
label = label.reshape([row,col])  
pic_new = image.new("L", (row, col))  
for i in range(row):                          #根據所屬類別給圖片添加灰度  
    for j in range(col):  
        pic_new.putpixel((i,j), int(256/(label[i][j]+1)))  
pic_new.save("溫酒待君歸.jpg", "JPEG") 

 

效果圖對比：

參考鏈接：

http://www.cnblogs.com/byteHuang/p/7011654.html

http://blog.csdn.net/google19890102/article/details/52911835