#K-Means算法的图像压缩应用 m2,n2 = X.shape[0],X.shape[1] #把X第一维度的值赋给m2、第二维度的值赋给n2 X2_recovered = X2.copy() # for i in range(1,K2+1): X2_recovered[(idx2==i).ravel(),:] = centroids2[i-1] # Reshape the recovered image into proper dimensions X2_recovered = X2_recovered.reshape(128,128,3) import matplotlib.image as mpimg#调用matplotlib绘图库 fig, ax = plt.subplots(1,2) ax[0].imshow(X2.reshape(128,128,3)) ax[1].imshow(X2_recovered)

这段代码是 K-Means 算法的图像压缩应用中的一部分。首先，通过 X.shape[0] 和 X.shape[1] 获取输入图片的高度和宽度，赋值给变量 m2 和 n2。然后，将变量 X2 复制给变量 X2_recovered，以便对其进行操作。接着，对于每个聚类中心，将其对应的像素点的颜色值设置为该聚类中心的颜色值。最后，通过 reshape() 方法将处理后的图片恢复成原始的大小，然后使用 matplotlib 库的 imshow() 方法在窗口中显示原始图片和处理后的图片。