sklearn 库是最为常用且经典的机器学习库，里面封装了许多机器学习算法，此篇文章使用此库中的 KMeans 算法，从而实现图像的聚类分割。
本文不讲理论，只谈应用。
除了 sklearn 库之外，还需要一些图像处理的库，我引入了如下几个库：
我使用了 pylab 库来读入图片：
此时读入的 img 是一个三维 numpy 数组，其形状为 (height, width, 3) ，其中3是指通道数，即 RGB 三个通道。
但是， KMeans 传入的参数必须是二维数组，故，还需要将其打散为二维：
在此构建时，只需要使用最简单的方法即可：
参数有很多，我在构建的时候除了 n_clusters 都使用的默认值：
然后，使用 fit() 进行训练：
聚类之后，有很多参数，比较重要的，以及此处需要用到的主要有俩：
聚类完成之后，需要将每个像素点重新填色，将同一类的像素点均填为此类聚类中心的颜色。
在此之前，首先需要得到图片的高度和宽度：
首先用 image.new() 重新创建一个图片，其语法如下：
然后需要用 putpixel() 方法来填充像素，但是在此之前，还需要处理几个小细节：
RGB图中，每个通道都是 0-255 之间的整数，但是， kmeans.cluster_centers_ 中元素类型却是 float64 ，故在填充之前，还需要小小处理一番，将元素变为 int32 类型的。
直接转变类型不太合适，因为 kmeans.cluster_centers_ 毕竟是类似于一个属性值的东西，而且这个名字太长，换一个简短的也是好的。故重新复制一份再使用 astype 更改数据类型即可。
上面便提到， kmeans.labels_ 是一个一维数组，但是图片是二维的，所以将其恢复过来即可：
然后便可以 填充像素 了：
这里需要注意 putpixel() 方法，其的两个参数：
最后保存图片即可：
我使用了王者荣耀大乔的图片来做测试：