一种利用聚类神经网络模型进行改进型颜色降维图像压缩方法

只用不到二十个数字就能在某种失真度上记录一张图片，你信不信？

1、方法原理
……首先要了解，图片的保存原理是利用像素点，所有颜色都是由三原色（红黄蓝）按不同比例混合而成的，所以每一张彩色图片的每一个像素点就包含着这三种颜色的权重。
……一张彩色图片的像素信息由三张二维矩阵构成，每一个二维矩阵代表三原色其中一种颜色的权重，可以简单地这样理解：
将一张彩色图片很细密地横竖切割成MXN个小块块，当小块足够小以至于这个小块的颜色基本不变，每一个小块都能用一个像素点构成。像素点矩阵的二维矩阵就是对应图片上的小块的位子，矩阵维数也是MXN
比如一个小块(a,b)上全是黑色，它的三原色组成权重为（x，y，z），那么这三张二维矩阵的（a,b）上对应的数值就是（x,y,z）

一张成像设备捕捉的照片中，在高纯度的天空背景下，在人眼观察下呈现的颜色呈现出高度一致的状态；但在细微视觉层面仍能察觉到肉眼难以分辨的区别；这种差异通过数字图像处理系统被量化为MXN维空间中的离散数据集合；具体而言，在二维平面坐标系的基础上叠加了色彩维度的影响；每个像素点所携带的信息都会呈现出极微的变化趋势；因此在存储图像信息时需要使用MXNX3维的空间模型来进行精确描述

2、颜色降维思维
在图像压缩中,常规的技术是为了减少文件体积而降低MXN的空间维度,而聚类方法则有其独特之处:它通过将具有相同