使用KMeans聚类算法使图片等比例压缩，让图片变小

import matplotlib.pyplot as plt 
from sklearn.cluster import KMeans
import numpy as np
 
img = plt.imread('img.png')
# 如果原图片是0-255的图片需要让他归一化     
#img=img/255
km = KMeans(n_clusters=16)
km.fit(img.reshape(-1,3))
#如果img是（width,height,depth）的形式的图片则将该图片进行变形变成二维数组才可以喂给机器学习模型，-1是不管里面包含多少个一维数组，只管一维数组的depth和原图片的depth相同
 
newimg = []
for i in km.labels_:
    newimg.append(km.cluster_centers_[i,:])    

或者更简单的代码：
newimg=km.cluster_centers[km.labels_]

"""
km.labels_得到的值是 每个样本点的标签，即特征值
km.cluster_centers_表示聚类中心点的坐标
这里是使用聚类方式，将原来256*256*256的颜色的图片转换成了16*16*16大小的图片，前面n_clusters=16就是将图片转换成16*大小颜色的图片，可以极大的压缩图片大小。根据特征值组合对应的聚类中心点就可以得到新的图片
"""

newimg= np.array(newimg).reshape(img.shape)
 #将图片转换成array格式，再变回原来的大小规格
 
plt.imshow(newimg)
plt.imsave("newimg.png",newimg)