3.5

3.md

@@ -392,3 +392,93 @@ CPU times: user 34.6 s, sys: 3.17 s, total: 37.8 s Wall time: 44.6 s
 ```
 
 显然，这就违背了问题的核心，但是这的确展示了重要东西。选择差劲的初始条件可能影响我们的模型，特别是聚类模型的收敛。使用 MiniBatch KMeans，全局最优是否能达到，是不一定的。
+
+## 3.5 使用 KMeans 聚类来量化图像
+
+图像处理是个重要的话题，其中聚类有一些应用。值得指出的是，Python 中有几种非常不错的图像处理库。Scikit-image 是 Scikit-learn 的“姐妹”项目。如果你打算做任何复杂的事情，都值得看一看它。
+
+### 准备
+
+我们在这篇秘籍中会有一些乐趣。目标是使用聚类来把图像变模糊。
+
+首先，我们要利用 SciPy 来读取图像。图像翻译为三维数组，`x`和`y`坐标描述了高度和宽度，第三个维度表示每个图像的 RGB 值。
+
+```
+# in your terminal 
+$ wget http://blog.trenthauck.com/assets/headshot.jpg
+```
+
+### 操作步骤
+
+现在，让我们在 Python 中读取图像：
+
+```py
+>>> from scipy import ndimage 
+>>> img = ndimage.imread("headshot.jpg") 
+>>> plt.imshow(img)
+```
+
+下面就是图像：
+
+![](img/3-5-1.jpg)
+
+嘿，这就是（年轻时期的）作者。
+
+既然我们已经有了图像，让我们检查它的维度：
+
+
+```py
+>>> img.shape 
+(420, 420, 3) 
+```
+
+为了实际量化图像，我们需要将其转换为二维数组，长为`420x420`，宽为 RGB 值。思考它的更好的方法，是拥有一堆三维空间中的数据点，并且对点进行聚类来降低图像中的不同颜色的数量 -- 这是一个简单的量化方式。
+
+首先，让我们使数组变形，它是个 NumPy 数组，所以非常简单：
+
+```py
+>>> x, y, z = img.shape 
+>>> long_img = img.reshape(x*y, z) 
+>>> long_img.shape (176400, 3) 
+```
+
+现在我们开始聚类过程。首先，让我们导入聚类模块，并创建 KMeans 对象。我们传入`n_clusters=5`，使我们拥有 5 个簇，或者实际上是 5 个不同颜色。
+
+这是个不错的秘籍，我们使用前面提到的轮廓距离：
+
+```py
+>>> from sklearn import cluster 
+>>> k_means = cluster.KMeans(n_clusters=5) 
+>>> k_means.fit(long_img)
+```
+
+既然我们已经训练了 KMeans 对象，让我们看看我们的眼色：
+
+```py
+>>> centers = k_means.cluster_centers_ 
+>>> centers 
+array([[ 142.58775848, 206.12712986,  226.04416873],
+       [  86.29356543,  68.86312505,   54.04770507],
+       [ 194.36182899,  172.19845258,  149.65603813],
+       [  24.67768412,   20.45778933,   16.19698314],
+       [ 149.27801776,  132.19850659,  115.32729167]])
+```
+
+### 工作原理
+
+既然我们拥有了形心，我们需要的下一个东西就是标签。它会告诉我们，哪个点关联哪个簇。
+
+```py
+>>> labels = k_means.labels_ 
+>>> labels[:5] array([1, 1, 1, 1, 1], dtype=int32)
+```
+
+这个时候，我们需要最简的 NumPy 操作，之后是一个变形，我们就拥有的新的图像：
+
+```py
+>>> plt.imshow(centers[labels].reshape(x, y, z)) 
+```
+
+下面就是产生的图像：
+
+![](img/3-5-2.jpg)