Python之—-KMeans算法处理图像与MiniBatchKMeans（小批量处理算法）处理图像

1、KMeans算法

from PIL import Image
import matplotlib.pyplot as plt
import numpy as np
from sklearn.cluster import KMeans, MiniBatchKMeans
import datetime
if __name__ == "__main__":
    A = Image.open("photo.jpg", 'r')  #请输入彩色图像文件
    rawimage = np.asarray(A)
    h,w=A.size         #记录原始图像的尺寸
    plt.imshow(rawimage)
    plt.show()
    data = rawimage/ 255.0  # 把像素的范围变成0-1
    data = data.reshape(-1, 3)
    k=8             #设置颜色聚类的类别个数（我们分别设置8，16，32，64，128进行对比）
    cluster = KMeans(n_clusters=k)  # 构造聚类器
    import time    #引入时间
    train_start = datetime.datetime.now()
    C_Image = cluster.fit_predict(data)
    train_end = datetime.datetime.now()
    Trainingtime = train_end - train_start
    print("训练总耗时为：%s(s)" % (Trainingtime).seconds)
    ClusterImage = C_Image.reshape(h,w, )  #设置为原来的尺寸
    plt.imshow(ClusterImage)
    plt.show()
plt.imsave(str(k)+'photo'+'_kMeans.png',ClusterImage)  #保存颜色压缩的图

运行结果：
原图

8种颜色（耗时26s）

16种颜色（耗时59s）

32种颜色（耗时150s）

64种颜色（耗时288s）

128种颜色（耗时678s）

从上面这几张图片颜色压缩的图可以看出，颜色越多，使用Kmeans算法进行颜色压缩的运行时长越长，时间上跳跃幅度大。并且图像的线条越来越不清晰了。
2、MiniBatchKMeans（小批量处理算法）

from PIL import Image
import matplotlib.pyplot as plt
import numpy as np
from sklearn.cluster import KMeans, MiniBatchKMeans
import datetime

if __name__ == "__main__":
    A = Image.open("photo.jpg", 'r')  #请输入彩色图像文件
    rawimage = np.asarray(A)
    h,w=A.size         #记录原始图像的尺寸
    plt.imshow(rawimage)
    plt.show()
    data = rawimage/ 255.0  # 把像素的范围变成0-1
    data = data.reshape(-1, 3)
    k=8             #设置颜色聚类的类别个数（我们同样分别设置8，16，32，64，128进行对比）
    cluster =MiniBatchKMeans(n_clusters=k, batch_size = 256, random_state=3)  # 构造聚类器
    import time    #引入时间
    train_start = datetime.datetime.now()
    C_Image = cluster.fit_predict(data)
    train_end = datetime.datetime.now()
    print("训练总耗时为：%s(s)" % (train_end - train_start).seconds)
    ClusterImage = C_Image.reshape(h,w, )  #设置为原来的尺寸
    plt.imshow(ClusterImage)
    plt.show()
plt.imsave(str(k)+'photo'+'_MiniBatchKMeans.png',ClusterImage)  #保存颜色压缩的图

运行结果：
原图

8种颜色（耗时0s）

16种颜色（耗时1s）

32种颜色（耗时2s）

64种颜色（耗时3s）

128种颜色（耗时6s）

对比前面的k-mean算法，我们不难发现小批量处理算法的耗时减少了很多，并且图像相对来说线条更为明显，可以看出MiniBatchKMeans小批量处理算法总体优于Kmean算法。