使用Numpy库进行图像处理 |
您所在的位置：网站首页 › numpy项目实践 › 使用Numpy库进行图像处理 |
使用Numpy库进行图像处理
|
图像
图像是高度×宽度的像素矩阵。 如果图像是黑白的（即灰度），则每个像素可以由单个数字表示（通常在0（黑色）和255（白色）之间）。想要裁剪图像的左上角10 x 10像素部分？告诉NumPy让你image[:10,:10]。 这是一个图像文件的片段：
这里我们使用 matplotlib.pyplot 的相关方法来辅助。处理图像的时候，颜色都是使用RGB三个通道进行叠加而形成的一个颜色，R：红色通道、G：绿色、B: 蓝色，可以使用三维的数组来表示一张图片。 数组的最高维度0：图片的高度，次高维1：图片的宽度，最低维2：RGB三个元素。 图像的处理 import numpy as np import matplotlib.pyplot as plt 图像读取与显示 plt.imread：读取图像，返回图像的数组（三维数组）。plt.imshow：显示图像。plt.imsave：保存图像。 im = plt.imread("strawberry.jpg") # 将图片信息读取成数组信息 # 返回的信息是一个三维的数组 # 最高维度：一共有317个元素 # 次高维：一共有248个元素 # 最低维：每个像素点的颜色信R G B im # 使用imshow读取图片，得到数组信息， plt.imshow(im) #已知数组信息，使用imshow读取成图片 plt.imsave("numpy.jpg",im) # 将数组信息存储成图片 print(im.shape) # 利用已学过的知识显示数组a的形状 显示纯色图像 显示纯色图像显示白色图像显示黑色图像显示指定颜色图像 # 颜色的存储： # 在numpy中可以有两种形式： # RGB颜色值越大，图片就越亮 # 一种是无符号 uint8 0-255 # float类型 float 0-1 x1 = np.ones(shape=(100,200,3)) #白色图像，rgb[1,1,1] x2 = np.zeros(shape=(100,200,3)) #黑色色图像，rgb[0,0,0] x3 = np.full(shape=(100,200,3),fill_value=255) #rgb[255,255,255] plt.imshow(x1) x4 = np.full(shape=(100,200,3),fill_value=148) # [148,148,148],[148,148,148],[148,148,148],[148,148,148], # 使得rgb三个值都不同，但是图像上的所有点的rgb颜色都一致，就是纯色的其他颜色的图 plt.imshow(x4) # 每个下像素点的值[228,251,142] x5 = np.ones(shape=(100,200,3)) # x5[:,:] # 获取图像中的每个rgb元素的值（列表） # x5[:,:] = [228,251,142] x5 = x5/255 # 格式不同，需要进行归一化 x5[:] = [228,251,142] # 简化，因为获取的低维度全部获取。 plt.imshow(x5) 转换为灰度图灰度图的数据可以看成是二维数组，元素取值为0 ~ 255，其中，0为黑色，255为白色。从0到255逐渐由暗色变为亮色。 灰度图转换（ITU-R 601-2亮度变换）： L = R * 299 / 1000 + G * 587 / 1000 + B * 114 / 1000 R、G、B为最低维的数据。 显示灰度图时，需要在imshow中使用参数： cmap="gray" b = np.array([0.299,0.587,0.114]) x = np.dot(im,b) # 将上面的RGB和b数组中的每个元素进行对位相乘，再相加 plt.imshow(x,cmap="gray") 图像颜色通道对于彩色图像，可以认为是由RGB三个通道构成的。每个最低维就是一个通道。分别提取R，G，B三个通道，并显示单通道的图像。 t = im.copy() # 进行红色通道的提取：就是将每个像素点中的g和b，设置成0 # （1）获取素有的像素点。 # （2）将每个像素点中的第1个元素和第二个元素（g,b）设置成0 # [r,g,b] # t[:,:,1:3]=0 # plt.imshow(t) # 对蓝色通道进行提取 # 将b不变，其余都设置成0 #[r,g,b] # t[:,:,0:2]=0 # plt.imshow(t) # 对绿色通道进行提取 # 将g不变，其余都设置成0 #[r,g,b] # t[:,:,0:3:2]=0 # t[:,:,::2]=0 # plt.imshow(t) # 获取绿色通道，如果不使用切片，只使用索引 # 通过提供整数索引 # a=np.array([1,2,3,4,5]) # a[1],a[3],a[4] # index=[1,3,4] #形成索引列表 # a[index] t # greenindex=[0,2] # t[:,:,greenindex]=0 # 以下三种方法都可以 t[:,:,[0,2]]=0 t[:,:,0:3:2]=0 t[:,:,::2]=0 # plt.imshow(t) # 一起显示 red = im.copy() green = im.copy() blue = im.copy() red[:,:,1:3]=0 green[:,:,::2]=0 blue[:,:,:2]=0 fig,ax=plt.subplots(2,2) fig.set_size_inches(15,15) ax[0,0].imshow(im) ax[0,1].imshow(red) ax[1,0].imshow(green) ax[1,1].imshow(blue) 图像重复 将图像沿着水平方向重复三次。将图像沿着垂直方向重复两次。将图像沿着水平方向重复两次，垂直重复三次。 t = im.copy() # 先水平方向两次，再垂直方向3次 r1 = np.concatenate((t,t),axis=1) r2 = np.concatenate((r1,r1,r1),axis=0) plt.imshow(r2) 图像镜面对称 将图像水平镜面转换。将图像垂直镜面转换。 # li=[1,2,3,4,5] # li[::-1] # 获得ndarray数组下的每一列 # x=np.array([[1,2,3,4],[5,6,7,8]]) # x[1] # x[:,1] t = im.copy() t[:,::-1] plt.imshow(t[:,::-1]) # 水平镜面 # 相当于进行行交换，让原来第0行，显示在第n行 t = im.copy() fig,ax = plt.subplots(2) fig.set_size_inches(10,10) ax[0].imshow(t) ax[1].imshow(t[:,::-1]) 左右旋转 将图像向左旋转90 / 180度。将图像向右旋转90 / 180度。 t = im.copy() fig,ax = plt.subplots(2,3) fig.set_size_inches(12,12) # 向左旋转90度 # （1）先tranpose # （2）再做水平镜面 r = t.transpose(1,0,2) r = r[::-1] # 向左旋转180度 r2 = r.transpose(1,0,2) r2 = r2[::-1] ax[0,0].imshow(t) ax[0,1].imshow(r) ax[0,2].imshow(r2) # 右旋转90度 # （1）转置 # （2）做垂直镜面 r3 = t.swapaxes(0,1) r3 = r3[:,::-1] # 向右旋转180度 r4 = r3.transpose(1,0,2) r4 = r4[:,::-1] ax[1,0].imshow(t) ax[1,1].imshow(r3) ax[1,2].imshow(r4) 图像遮挡 / 叠加 在指定的区域使用特定的纯色去遮挡图像。在指定的区域使用随机生成的图像去遮挡图像。使用小图像放在大图像上。 # 图像的替换 # 思路一：对原图片的相应位置，转变为灰度图，在进行乱序 # 思路二：用打码图片替换原图片的相应位置 re = plt.imread("msk.jpg") # 用于覆盖的图片 t = im.copy() st = np.array([150,100]) # 替换起始点的位置 t[st[0]:st[0] + re.shape[0],st[1]:st[1] + re.shape[1],:] = re plt.imshow(t) |
如果图像是彩色的，则每个像素由三个数字表示（RGB）。在这种情况下，我们需要第三维（因为每个单元格只能包含一个数字）。因此彩色图像由尺寸的ndarray表示：(高x宽x 3）。
【本文地址】
今日新闻 |
推荐新闻 |