人工智能最近很火，比如拍照就能识别是什么物品，文字识别等等，今天我们就来讲一个简单的，几行代码实现识别
我们的算法是基于聚类聚类算法的图像分割技术
代码分三部分，第一部分导入相关库
将数组作为铭牌导入
进口PIL .图像作为图像
从sklearn.cluster导入聚类
第二部分导入图像文件并且以像素矩阵形式提供
极好的加载数据（文件路径):
f=打开（文件路径，' Rb ')
数据=[]
img=image.open(f)
m，n=img.size
对于在(m):范围内的我
对于(n):范围内的j
x，y，z=img.getpixel((i，j))
data.append([x/256.0，y/256.0，z/256.0])
f.close()
返回np.mat(数据)，m，n
第三部分灰度图像处理公式（固定好的直接套用)
imgData，row，col=loadData('kmeans/bull.jpg ')
label=KMeans(n_clusters=4).fit_predict(imgData)
标签=标签。resform([行，列])
pic_new=image.new('L '，(行，列))
对于范围（行):中的我
对于情不自禁范围：
pic_new.putpixel((i，j)，int(256/(label[i][j] 1)))
pic _ new。保存('结果-bull-4。jpg '，' JPEG ')
效果图
处理前
处理后
全部代码
将数组作为铭牌导入
进口PIL .图像作为图像
从sklearn.cluster导入聚类
极好的加载数据（文件路径):
f=打开（文件路径，' Rb ')
数据=[]
img=image.open(f)
m，n=img.size
对于在(m):范围内的我
对于(n):范围内的j
x，y，z=img.getpixel((i，j))
data.append([x/256.0，y/256.0，z/256.0])
f.close()
返回np.mat(数据)，m，n
imgData，row，col=loadData('kmeans/bull.jpg ')
label=KMeans(n_clusters=4).fit_predict(imgData)
标签=标签。resform([行，列])
pic_new=image.new('L '，(行，列))
对于范围（行):中的我
对于情不自禁范围：
pic_new.putpixel((i，j)，int(256/(label[i][j] 1)))
pic _ new。保存('结果-bull-4。jpg '，' JPEG ')