使用K-means构建图像矢量量化模型
肖明魁
江苏经贸职业技术学院信息化建设与服务中心 江苏南京210000
摘要：针对传统图片压缩技术造成的大量原始信息损失,导致图像质量下降的问题,提出一种基于无监督学习的聚类算法首先,对导入的原始图像进行数字采样,得到每个像素坐标和RGB值,并保存为三维数组.然后,经过数组变换,将三维数组转换为二维数组结构,使用K-means算法选取64个质心,并对所有像素点重新聚类.最后,将新产生的二维数据还原为三维数组格式,完成矢量量化过程并输出结果.对比图像压缩前后的效果可以发现,通过K-means算法处理的图像在还原图像细节方面,相较传统压缩算法表现更为优秀.因此,可以得出结论,作为最常用的无监督学习算法之一K-Means具有独特优势,此方法在尽量减少信息损失的前提下,实现数据降维.
关键词：机器学习Python聚类算法数据建模
论文发表日期：2023-02-28
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：4( 66-69 )