SebaVida/K-Means-Color-Quantizer

K-Means Color Quantizer 🎨

Este proyecto es una herramienta de Ciencia de Datos aplicada al procesamiento de imágenes. Utiliza el algoritmo de clustering K-Means para realizar una cuantización de colores, reduciendo la paleta de una imagen a un número específico de tonos representativos (K) sin perder la estructura visual principal.

🚀 Características Técnicas

• —Clustering Perceptual: A diferencia de las implementaciones básicas que usan RGB, este modelo transforma la imagen al espacio de color CIE LAB. Esto asegura que las distancias calculadas por el algoritmo correspondan a la percepción humana del color.
• —Optimización de Rendimiento: Implementa MiniBatchKMeans de scikit-learn para procesar imágenes de alta resolución en segundos, optimizando el uso de memoria RAM.
• —Pre-procesamiento Inteligente: Incluye una técnica de reescalado dinámico para mantener la eficiencia en el despliegue (Hugging Face Spaces).
• —Interfaz Moderna: Desarrollado con Gradio para una experiencia de usuario fluida e interactiva.

🛠️ Tecnologías

• —Python (Lógica principal)
• —Scikit-Learn (Algoritmos de ML)
• —OpenCV (Procesamiento de visión computacional)
• —NumPy (Manipulación de matrices)
• —UV (Gestor de paquetes y entorno)

📦 Instalación y Uso

Este proyecto utiliza uv para una gestión de dependencias ultra rápida.

1. 1.Clona el repositorio:

   git clone [https://github.com/tu-usuario/color-quantizer-kmeans.git](https://github.com/tu-usuario/color-quantizer-kmeans.git)
   cd color-quantizer-kmeans