能不能给我一段完整的程序

好的，以下是一个完整的程序，可以用于对 PNG 格式的 ovito 图片进行无监督分类：

import cv2
import numpy as np
from PIL import Image
from sklearn.cluster import KMeans

# 加载 PNG 图像
image = Image.open("ovito.png")
# 将图像转换为 numpy 数组
image_data = np.array(image)

# 将图像数据转换为二维数组
height, width, channels = image_data.shape
image_data = image_data.reshape(height * width, channels)

# 定义聚类数量
num_clusters = 3
# 执行 k-means 算法
kmeans = KMeans(n_clusters=num_clusters, random_state=0).fit(image_data)

# 将每个像素点分配到对应的聚类
labels = kmeans.predict(image_data)
# 将聚类标签重塑为图像的形状
labels = labels.reshape(height, width)

# 根据聚类结果对图像进行分类
for i in range(num_clusters):
    # 创建一个只包含当前聚类的掩码
    mask = np.zeros_like(labels)
    mask[labels == i] = 255

    # 将掩码应用到原始图像中
    result = cv2.bitwise_and(image_data, image_data, mask=mask)

    # 显示分类结果
    cv2.imshow("Cluster {}".format(i), result)

# 等待用户按下任意按键
cv2.waitKey(0)
cv2.destroyAllWindows()

在上述代码中，我们首先使用 PIL 库加载 PNG 图像，并将其转换为 numpy 数组。然后，我们将图像数据转换为 k-means 算法需要的形式，并执行 k-means 算法对图像进行聚类。最后，我们根据聚类结果对图像进行分类，并将分类结果显示出来。

请注意，在实际应用中可能需要进行参数调整和优化，以获得更好的分类结果。另外，请确保你的 Python 环境中已经安装了 Pillow、NumPy、OpenCV 和 Scikit-learn 等库。