Warna Gambar

Termasuk bagian Pembelajaran Tanpa Pengawasan dalam perjalanan Machine Learning di Coddy. Pelajaran 41 dari 51.

Seorang pencetak sablon memiliki beberapa tinta, bukan jutaan warna. k-means memilih beberapa warna terbaik untuk setiap gambar:

Dua gambar matahari terbenam berdampingan. Kiri, gambar asli: langit yang bergradasi dari ungu ke oranye, matahari kuning, laut gelap dengan pantulan oranye. Kanan, matahari terbenam yang sama dalam 4 warna datar

Gambar berwarna memiliki bentuk (baris, kolom, 3): merah, hijau, dan biru untuk setiap piksel, masing-masing bernilai dari 0 hingga 1. Satu reshape mengubah piksel menjadi data:

Gambar berukuran 2 kali 3 dengan piksel berwarna jingga, kuning, dan biru tua, dengan panah menuju tabel berisi 6 baris, satu baris untuk setiap piksel, yang masing-masing memuat nilai merah, hijau, dan birunya

pixels = image.reshape(-1, 3)
km = KMeans(n_clusters=4, n_init=10, random_state=0).fit(pixels)
poster = km.cluster_centers_[km.labels_].reshape(image.shape)
ax.imshow(poster)

Setiap pusat adalah warna. Pengindeksan pusat menggunakan label memberi setiap piksel warna pusatnya; reshape menyusun kembali baris-baris menjadi gambar.

Tantangan

Sedang

Sebuah studio poster mencetak gambar danau pegunungan dengan k tinta menggunakan teknik cetak saring. Kode awal menggambar image berukuran 40 kali 60, membaca k, lalu menyiapkan bagan dengan judul.

Ubah gambar menjadi satu baris untuk setiap piksel, lalu cari k warna dengan k-means.
Warnai ulang setiap piksel dengan warna pusatnya, lalu susun kembali baris-barisnya menjadi gambar.
Gambarkan pada ax, lalu tampilkan.

Seperti matahari terbenam ini dalam 5 tinta:

Matahari terbenam yang diwarnai ulang dengan 5 warna datar dan berjudul 5 inks: pita langit berwarna plum dan mawar, pita oranye, matahari kuning, laut biru tua dengan garis-garis oranye

Programmu tidak mencetak apa pun: Coddy menjelaskan gambarmu dan tintanya. Lalu coba nilai k lainnya: kapan perahu merah mendapatkan tintanya sendiri?

Coba sendiri

import numpy as np
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans


# Menggambar danau pegunungan berukuran 40 kali 60: langit, puncak bersalju, hutan, air, dan perahu merah
def paint_lake():
    image = np.zeros((40, 60, 3))
    for r in range(40):
        for c in range(60):
            if 30 <= r <= 31 and 10 <= c <= 17 - (r - 30) * 2:
                image[r, c] = [0.8, 0.15, 0.1]
            elif r >= 27:
                t = (r - 27) / 12
                image[r, c] = [0.1, 0.45 - 0.2 * t, 0.65 - 0.2 * t]
            elif r >= 21:
                image[r, c] = [0.1, 0.35 + 0.05 * (c % 3), 0.15]
            elif r >= abs(c - 34) + 4 and r < 10:
                image[r, c] = [0.95, 0.95, 0.97]
            elif r >= abs(c - 34) + 4:
                image[r, c] = [0.45, 0.42, 0.45]
            else:
                image[r, c] = [0.55 + r / 50, 0.75 + r / 120, 0.95]
    return np.round(image, 3)


# Jangan ubah baris-baris di bawah ini
image = paint_lake()
k = int(input())
fig, ax = plt.subplots()
ax.set_title(f"{k} inks")
ax.axis("off")

# Tulis kodemu di bawah ini