T2

T2.py

import numpy as np
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans 
#algoritmul de clusterizare: grupeaza datele in K clustere

# cum se incarca o imagine?

img = plt.imread('T2.jpeg')

#citeste imaginea si o stocheaza ca array NumPy (matrice de pixeli)

print("="*50)
print(f"Dimensiunea imaginii: {img.shape}")
print("="*50)
print(f"Tip de date: {img.dtype}")
print(f"valoarea minima: {img.min():.4f}")
print(f"valoarea maxima: {img.max():.4f}")

plt.imshow(img, cmap='jet')
plt.show()


#verificam daca imaginea este color sau grayscale
if len(img.shape) == 3:
	print(f"Numar de canale: {img.shape[2]}")
	print(f"Tip: imagine color(RGB/RGBA)")
	#convertim la grayscale daca este necesar

	if img.shape[2] == 3: #RGB
		img_gray = np.mean(img, axis=2)
	elif img.shape[2] == 4: #RGBA
		img_gray = np.mean(img[:,:, :3], axis=2)
	else:
	    print("Tip: Imagine grayscale")	  
	    img_gray = img

print(f"Dimensiunea imaginii grayscale: {img_gray.shape}")	    


# obtim matricea de caracteristici cu valori > 0 
#aplatizam imaginea si filtram valorile > 0 


img_flat = img_gray.flatten()

mask = img_flat > 0

pixels_valide = img_flat[ mask ]

print("="*50)
print("Matricea de caracteristici")
print("="*50)

print(f"Total pixeli in imagine: {len(img_flat)}")
print(f"Pixeli cu valoarea > 0: {len(pixels_valide)}")
print(f"Pixeli cu valoarea = 0: {len(img_flat) - len(pixels_valide)}")
print(f"Procent pixeli valizi: {len(pixels_valide)/len(img_flat)}")
print("\n")

#pregatirea datelor pentru KMeans (trebuie sa fie 2D)
X = pixels_valide.reshape(-1,1)


print(f"Forma matricei X: {X.shape}")



"""
------------------------
IMAGINE RGB


Canal 0 RED   Canal 1 GREEN

255 128       64 200
100  50       150 75

Canal2
------------------------

"""