python图像分割kmeas代码

以下是基于sklearn库的kmeans图像分割代码示例：

import numpy as np
from sklearn.cluster import KMeans
from PIL import Image

# 加载原始图像
img = Image.open('example.jpg')

# 将图像转换为numpy数组
img_array = np.array(img)

# 获取图像宽度和高度
width, height = img.size

# 将图像数组重塑为一维数组
img_array_reshape = img_array.reshape(width * height, 3)

# 执行kmeans聚类
kmeans = KMeans(n_clusters=3, random_state=0).fit(img_array_reshape)

# 获取聚类标签
labels = kmeans.labels_

# 将标签重塑为图像形状
labels_reshape = labels.reshape(width, height)

# 创建新图像数组
new_img = np.zeros_like(img_array)

# 将每个像素赋值为其所属的聚类中心颜色
for i in range(width):
    for j in range(height):
        new_img[i, j, :] = kmeans.cluster_centers_[labels_reshape[i, j], :]

# 将新图像数组转换为图像
new_img = Image.fromarray(new_img.astype(np.uint8))

# 保存新图像
new_img.save('new_example.jpg')

在上面的代码中，我们首先使用PIL库加载原始图像，然后将其转换为numpy数组。我们将图像数组重塑为一维数组，然后使用KMeans算法执行聚类。我们将聚类标签重塑为图像形状，并使用聚类中心颜色为每个像素赋值。最后，我们将新图像数组转换为图像，并保存它。