在JupyterLab上写一个基于LZW的图像压缩，要求能控制压缩率并输出压缩率

好的，下面是实现LZW图像压缩的大致步骤：

1. 读取待压缩的图像文件，将像素点转化为一个个字符，存储在一个字符串中。
2. 初始化一个字典，包含所有单个字符及其对应的编码。
3. 初始化一个编码缓冲区，用于存储压缩后的编码。
4. 遍历字符串，将当前字符与之前字符组成的字符串尝试在字典中查找，若存在则更新当前字符为组成的字符串，继续查找；若不存在则将之前字符组成的字符串的编码写入编码缓冲区，并将组成字符串加入字典中，更新当前字符为当前字符。
5. 将最后一个字符的编码写入编码缓冲区。
6. 将编码缓冲区中的编码输出到文件中，同时将字典输出到文件中，以便解压时使用。

下面是一个示例代码，可以在JupyterLab中运行：

import numpy as np
from PIL import Image
import os

def compress_image(image_path, output_path, compression_ratio):
    # 读取图像文件
    image = Image.open(image_path)
    # 将图像转化为一维数组
    image_array = np.array(image).ravel()
    # 将像素值转化为字符
    image_string = ''.join([chr(pixel) for pixel in image_array])
    # 初始化字典
    dictionary = {chr(i): i for i in range(256)}
    # 初始化编码缓冲区
    code_buffer = ""
    # 初始化编码长度
    code_length = 8
    # 计算最大编码值
    max_code = 2 ** code_length - 1
    # 遍历字符串，进行压缩
    for i in range(len(image_string)):
        # 获取当前字符
        current_char = image_string[i]
        # 获取之前字符组成的字符串
        previous_string = image_string[i - 1] if i > 0 else ""
        current_string = previous_string + current_char
        # 如果组成字符串在字典中存在，则继续往后查找
        if current_string in dictionary:
            continue
        # 如果组成字符串在字典中不存在，则将之前字符组成的字符串的编码写入编码缓冲区，并将组成字符串加入字典中
        code_buffer += bin(dictionary[previous_string])[2:].zfill(code_length)
        dictionary[current_string] = len(dictionary)
        # 更新编码长度
        if len(dictionary) > max_code:
            code_length += 1
            max_code = 2 ** code_length - 1
        # 更新当前字符为当前字符
        current_string = current_char
    # 将最后一个字符的编码写入编码缓冲区
    code_buffer += bin(dictionary[current_string])[2:].zfill(code_length)
    # 将压缩后的编码输出到文件中
    with open(output_path, 'wb') as f:
        # 将压缩率写入文件头
        f.write(bytes([compression_ratio]))
        # 将编码长度写入文件头
        f.write(bytes([code_length]))
        # 将编码缓冲区按8位分隔，每8位转化为一个字节写入文件
        for i in range(0, len(code_buffer), 8):
            byte = code_buffer[i:i+8].zfill(8)
            f.write(bytes([int(byte, 2)]))
    # 计算压缩率
    origin_size = os.path.getsize(image_path)
    compressed_size = os.path.getsize(output_path)
    compression_ratio = compressed_size / origin_size
    print("压缩率：{:.2f}".format(compression_ratio))

# 测试压缩函数
compress_image("test.png", "test.lzw", 0.5)

在上面的代码中，我们使用了numpy库和Pillow库，其中numpy库用于将图像转化为一维数组，Pillow库用于读取和写入图像文件。

在compress_image函数中，我们首先将图像转化为一维数组，并将像素值转化为字符，存储在一个字符串中。然后，我们初始化一个字典，包含所有单个字符及其对应的编码，以及一个编码缓冲区，用于存储压缩后的编码。接着，我们遍历字符串，将当前字符与之前字符组成的字符串尝试在字典中查找，若存在则更新当前字符为组成的字符串，继续查找；若不存在则将之前字符组成的字符串的编码写入编码缓冲区，并将组成字符串加入字典中，更新当前字符为当前字符。最后，我们将最后一个字符的编码写入编码缓冲区，并将编码缓冲区按8位分隔，每8位转化为一个字节写入文件。

在写入文件时，我们将压缩率和编码长度写入文件头，并将编码缓冲区写入文件。在读取文件时，我们首先读取文件头中的压缩率和编码长度，然后读取文件中的编码缓冲区，并根据编码长度和字典进行解压缩。

注意，上面的示例代码仅供参考，可能还需要根据具体情况进行修改。