import?numpy?as?np
import?random
from?matplotlib?import?pyplot?as?plt
from?matplotlib?import?image?as?mpimg
from?sklearn.cluster?import?KMeans
%matplotlib?inline

def?handleData（imageN）:
????#?歸一化
????if?filename[-4:]==‘.jpg‘:
????????image=image/256
????elif?filename[-4:]==‘.png‘:
????????image=image[::0:3]
????
????data=image.reshape（（N3））
????return?data
	
#?計算歐式距離
def?calDis（ab）:
????return?np.sum（np.power（a-b2））
#?????return?np.sum（np.fabs（a-b））

#?初始化聚類中心向量
def?initCenter（dataKseed=None）:
????if?seed!=None:
????????random.seed（seed）
????????
????m?=?np.shape（data）[1]
????center?=?np.mat（np.zeros（（K?m）））
????for?col?in?range（m）:
????????min_col?=?min（data[:?col]）
????????max_col?=?max（data[:?col]）
????????center[:?col]?=?min_col?+?float（（max_col-min_col））?*?np.random.rand（K?1）
????return?center
#?????return?random.sample（list（data）K）


def?myKMeans（dataKseed=None）:
#???parameters?check
????if?K<=0:
????????raise?ValueError（“Invalid?number?of?initializations:?K?must?be?bigger?than?0“）
????if?data.ndim!=2:
????????raise?ValueError（“Invalid?number?of?initializations:?data‘s?dimention?must?be?2“）
????if?data.shape[0]<=0?or?data.shape[1]<=0:
????????raise?ValueError（“Invalid?number?of?initializations:?data?can?not?be?empty“）
????
????N=data.shape[0]
????#labels存儲每個像素點對應的聚類中心向量
????labels=np.zeros（N）
????#centers存儲聚類中心向量值
????centers=initCenter（dataKseed）
????print（centers）
????
????#損失函數值
????J=np.Inf
????dis_sum=0
????is_continue=True
????while?is_continue:
????????dis_sum=0
????????is_continue=False

????????#?計算各個像素點距離哪個聚類中心最近
????????for?i?in?range（N）:
????????????min_dis=np.Inf
????????????min_center=-1
????????????for?j?in?range（K）:
??