人工智能+数据分析的kmeans算法实践数据源：20 支亚洲球队的聚类问题

# -*- coding: utf-8 -*- # 使用K-means对图像进行聚类，显示分割标识的可视化 import numpy as np import PIL.Image as image from sklearn.cluster import KMeans from sklearn import preprocessing # 加载图像，并对数据进行规范化 def load_data(filePath): # 读文件 f = open(filePath,'rb') data = [] # 得到图像的像素值 img = image.open(f) # 得到图像尺寸 width, height = img.size for x in range(width): for y in range(height): # 得到点(x,y)的三个通道值 c1, c2, c3 = img.getpixel((x, y)) data.append([c1, c2, c3]) f.close() # 采用Min-Max规范化 mm = preprocessing.MinMaxScaler() data = mm.fit_transform(data) return np.mat(data), width, height # 加载图像，得到规范化的结果img，以及图像尺寸 img, width, height = load_data('./weixin.jpg') # 用K-Means对图像进行2聚类 kmeans =KMeans(n_clusters=2) kmeans.fit(img) label = kmeans.predict(img) # 将图像聚类结果，转化成图像尺寸的矩阵 label = label.reshape([width, height]) # 创建个新图像pic_mark，用来保存图像聚类的结果，并设置不同的灰度值 pic_mark = image.new("L", (width, height)) for x in range(width): for y in range(height): # 根据类别设置图像灰度, 类别0 灰度值为255， 类别1 灰度值为127 pic_mark.putpixel((x, y), int(256/(label[x][y]+1))-1) pic_mark.save("weixin_mark.jpg", "JPEG")