影象識別和色彩壓縮是兩個不同的任務。就影象識別而言，“識別”本身應該是一個分類任務，需要建立影象和標籤的對應訓練集合，然後用機器學習演算法（或者流行的深度學習方法）建立模型，並對影象進行識別。而聚類方法僅能對無標籤資料做一些初步的聚類。不知道你是否能把問題更具體描述下。

1、建立一個python檔案，並匯入庫檔案：

import argparse

import numpy as np

from scipy import misc

import matplotlib.pyplot as plt

from sklearn import cluster

2、建立一個函式，用於解析輸入引數。我們需要把圖片和每個畫素被壓縮的 位元數傳進去作為輸入引數:

def build_arg_parser():

parser = argparse.ArgumentParser(description = "Compress the

input image \using clustering")

parser.add_argument("--input-file"，dest="input_file"，required =True，help="Input image")

parser.add_argument("--num-bits"，dest="num_bits"，required =False，type=int，help="Number of bits

used to repressent each pixel")

return parser

下圖為pycharm編譯器配置載入檔案的操作

3、建立一個函式，用來壓縮輸入圖片：

def compress_image(img，num_clusters):

# 將輸入的圖片轉換成(樣本量,特徵量)陣列，以執行k-means聚類演算法

X = img.reshape((-1，1))

kmeans = cluster.KMeans(n_clusters=num_clusters，n_init=4，

random_state=5)

kmeans.fit(X)

centroids = kmeans.cluster_centers_.squeeze()

labels = kmeans.labels_

# 為每個資料配置離它最近的中心點，並轉變為圖片的形狀

input_image_compressed = np.choose(labels,centroids).reshape(

img.shape)

retrun input_image_compressed

4、繪製圖像檢視壓縮演算法對圖片質量的影響：

def plot_image(img，title):

vmin = img.min()

vmax = img.max()

plt.figure()

plt.title(title)

plt.imshow(img，cmap=plt.cm.get_cmap("gray")，vmin=vmin,

vmax=vmax)

5、定義主函式，可以把輸入引數傳進去並進行處理，然後提取輸出圖片:

if __name__=="__main__":

args = build_arg_parser().parser_args()

input_file = args.input_file

num_bits= args.num_bits

if not 1<=num_bits<=8：

raise TypeError("Number of bits should be between 1 and 8")

num_clusters = no.power(2，num_bits)

# 列印壓縮率

compression_rate = round(100*(8.0-args.num_bits)/8.0，2)

print("\nThe size of the image will be reduced by a factor of",

8.0/args.num_bits)

print("\nCompression rate = "+str(compression_rate)+"%")

6、載入輸入圖片

input_image = misc.imread(input_file，True).astype(np.uint8)

plot_image(input_image，"Original image")

7、用輸入引數壓縮圖片

input_image_compressed = compress_image(input_image，

num_clusters)

plot_image(input_image_compressed，"Compressed_image；

compression rate = " + str(compression_rate) + "%")

plt.show()

8、在命令列工具中執行下面的命令，針對不同的壓縮位元數，顯示影象：

每個畫素的壓縮位元數將為4：

--input-file flower_image.jpg --num-bits 4

每個畫素的壓縮位元數將為2：

--input-file flower_image.jpg --num-bits 2

每個畫素的壓縮位元數將為1：

--input-file flower_image.jpg --num-bits 1