题目内容
实现一个图像特征降维与聚类系统，具体要求如下：
1.读取输入的三维列表，表示图像数据(多个通道，如彩色图像)。
2.使用 scikit−learn 库的 PCA 对图像数据进行降维，将图像数据从多通道降到二维空间。
3.使用 scikit−learn 库的 K−Means 算法对降维后的数据进行聚类。
4.输出每个像素点的聚类标签，总共 3 类。
输入描述
输入为一个三维列表，表示图像数据的像素值。
输出描述
输出为一个二维列表的每一行，表示每个像素点的聚类标签，从 0 开始。
补充说明
注意：聚类随机种子 random_state=42，质心选择与聚类计算次数 n _init=1。
支持使用 Python 中的 numpy、scipy、pandas、scikit−learn 库。
样例1
输入
[
[[255,0,0], [0,255,0],[0,0,255],[255,255, 0]],
[[0,255,255],[255,0,255],[255,255,255],[0,0,0]],
[[128,128,128],[64,64,64],[192,192,192],[32,32,32]],
[[16,16,16],[240,240,240],[80,80,80],[160,160,160]]
]
输出
[1, 2, 2, 0]
[2, 0, 0, 1]
[0, 1, 0, 1]
[1, 0, 1, 0]
