K-Means算法和图像分割实战（sklearn）

定义：

k-means算法（英文：k-means clustering）最初源于信号处理中的向量量化技术，在数据挖掘领域现多被用作数据分析中的聚类分析工具。其基本目标是将给定空间内的n个样本分为k个类别，并使每个样本最终归属与其最近的均值所对应的类别中（即所谓的聚类中心）。这一过程本质上等同于将问题归结为此问题。

算法步骤：

1. 设定常数K值并初始化质心位置
2. 评估样本与各质心中点之间的相似程度，并将样本分配至最近的类别中
3. 确定各类别的新质心位置
4. 反复迭代上述步骤直至所有质心位置稳定不变
5. 输出最终确定的所有类别及其对应的稳定质心坐标

算法的数学解释：

图像分割实战：

代码：

    from sklearn.cluster import KMeans
    import PIL.Image as image
    from PIL import ImageFilter
    import numpy as np
    
    img = image.open('C:/