以下是一个使用K-Means算法进行图像分组的示例代码：

import numpy as np
from PIL import Image
from sklearn.cluster import KMeans

# 加载图像
image = Image.open("image.jpg")
# 将图像转换为numpy数组
image_array = np.array(image)
# 将图像数组转换为二维数组
image_array = image_array.reshape(image_array.shape[0]*image_array.shape[1], -1)

# 创建K-Means模型，并指定分组数量为k
kmeans = KMeans(n_clusters=3)
# 对图像数据进行训练和分组
kmeans.fit(image_array)

# 获取每个像素点所属的分组
labels = kmeans.predict(image_array)
# 重构图像
reconstructed_image = kmeans.cluster_centers_[labels]
# 将重构后的图像转换为图像数组
reconstructed_image = np.reshape(reconstructed_image, image_array.shape)

# 将图像数组转换为图像并显示
new_image = Image.fromarray(reconstructed_image.astype('uint8'))
new_image.show()

在这个示例中，我们首先加载了图像，然后将图像转换为numpy数组。然后，我们将图像数组转换为二维数组，以便使用K-Means算法进行训练和分组。我们创建了一个K-Means模型，并指定分组数量为3，然后对图像数据进行训练和分组。最后，我们根据每个像素点所属的分组，重构图像，并将重构后的图像显示出来。

请注意，这只是一个简单的示例，实际应用中可能需要根据具体情况进行参数调整和优化。