量化投资学习笔记29——《Python机器学习应用》课程笔记03

聚类的实际应用，图像分割。
利用图像的特征将图像分割为多个不相重叠的区域。
常用的方法有阈值分割，边缘分割，直方图法，特定理论(基于聚类，小波分析等)。
实例:利用k-means聚类算法对图像像素点颜色进行聚类以分割图像。
输出:同一聚类的点以相同颜色表示，不同聚类的像素点以不同的颜色表示。
用PIL库从图片中读取像素点的颜色，转化到[0,1]的范围内。
f = open(filePath, "rb")
data = []
img = image.open(f)
m,n = img.size
for i in range(m):
for j in range(n):
x, y, z = img.getpixel((i, j))
data.append([x/256.0, y/256.0, z/256.0])
f.close()
用K-Means算法对像素点颜色数据进行聚类。
imgData, row, col = loadData("test.jpg")
km = KMeans(n_clusters = 3)
label = km.fit_predict(imgData)
label = label.reshape([row, col])
label数据是一维的，转换成与图像相同的形状。
最后输出结果到图片，结果如下:
原图

处理后的图片

本文代码:
https://github.com/zwdnet/MyQuant/blob/master/27

我发文章的四个地方，欢迎大家在朋友圈等地方分享，欢迎点“在看”。
我的个人博客地址：https://zwdnet.github.io
我的知乎文章地址： https://www.zhihu.com/people/zhao-you-min/posts
我的博客园博客地址： https://www.cnblogs.com/zwdnet/
我的微信个人订阅号：赵瑜敏的口腔医学学习园地