写一个在jupyter notebooks上用RGB分量分别压缩对彩色图像进行图像压缩的代码，并保存压缩后的图像

以下是一个在Jupyter Notebook上使用RGB分量分别压缩对彩色图像进行图像压缩的示例代码。这个示例代码使用了scikit-image库中的颜色空间转换函数将RGB图像转换为YCbCr图像，然后对Y、Cb、Cr三个通道分别进行压缩，最后将压缩后的图像保存为JPEG格式的文件。

from skimage import io, color
from scipy.fftpack import dct
import numpy as np

# 读取图像
img = io.imread('image.jpg')

# 将RGB图像转换为YCbCr图像
img_ycc = color.rgb2ycbcr(img)

# 分别对Y、Cb、Cr三个通道进行压缩
for i in range(3):
    # 对通道进行离散余弦变换（DCT）
    img_dct = dct(img_ycc[:, :, i], norm='ortho')
    
    # 保留部分系数
    img_dct[:128, :128] = 0
    
    # 对通道进行逆离散余弦变换（IDCT）
    img_idct = dct(img_dct, norm='ortho')
    
    # 将通道数据限制在[0, 255]范围内
    img_idct = np.clip(img_idct, 0, 255)
    
    # 将压缩后的通道数据替换原始图像中对应的通道
    img_ycc[:, :, i] = img_idct

# 将YCbCr图像转换为RGB图像
img_compress = color.ycbcr2rgb(img_ycc)

# 保存压缩后的图像
io.imsave('compressed_image.jpg', img_compress)

在这个示例中，我们首先使用了scikit-image库中的`color.rgb2ycbcr()`函数将RGB图像转换为YCbCr图像。然后，我们使用`for`循环对Y、Cb、Cr三个通道分别进行压缩。在每个通道上，我们首先使用了scipy库中的`dct()`函数对通道进行离散余弦变换（DCT），然后保留了部分系数，最后使用了`dct()`函数对通道进行逆离散余弦变换（IDCT）。注意，我们只保留了前128 x 128个系数，这样可以实现较高的压缩比。最后，我们使用了`np.clip()`函数将通道数据限制在[0, 255]范围内，然后将压缩后的通道数据替换原始图像中对应的通道。最后，我们使用了scikit-image库中的`color.ycbcr2rgb()`函数将YCbCr图像转换为RGB图像，并将压缩后的图像保存为JPEG格式的文件。

请注意，这个代码示例仅仅是一个简单的压缩示例，实际上，你可能需要对压缩算法进行更多的优化和调整才能获得更好的压缩效果。