这篇文章主要给大家介绍了关于python图像处理基本操作的相关资料,主要利用的是PIL库、Matplotlib及Numpy等处理方法,需要的朋友可以参考下
一、PIL库对图像的基本操作
1、读取图片
PIL网上有很多介绍,这里不再讲解。直接操作,读取一张图片,将其转换为灰度图像,并打印出来。
from PIL import Image import matplotlib.pyplot as plt pil_im = Image.open("empire.jpeg") pil_image = pil_im.convert("L") plt.gray() plt.imshow(pil_image) plt.show()
输出如下所示:
2、转换图片格式
PIL可以将图像保存为多种格式,下面将PNG格式文件保存为JPG格式:
from PIL import Image import glob import os filelist = glob.glob("E:/pythonProject1/filelist/*.png") for infile in filelist: outfile = os.path.splitext(infile)[0]+'.jpg' if infile != outfile: try: Image.open(infile).save(outfile) except IOError: print("cannot convert", infile)
输出结果如下所示:
import os def get_imlist(path): """返回目录中所有JPG图像的文件名列表""" return [os.path.join(path,f)for f in os.listdir(path) if f.endswith('.jpg')] print(get_imlist("E:/pythonProject1/filelist/"))
二、Matplotlib
1、绘制图像、点和线
from PIL import Image from pylab import * #读取图像到数组中 im = array(Image.open("empire.jpeg")) #绘制图像 imshow(im) #一些点 x = [100, 100, 400, 400] y = [200, 500, 200, 500] #使用红色星状标记绘制点 plot(x, y)#默认为蓝色实线 # plot(x, y, 'r*')#红色星状标记 # plot(x, y, 'go-')#带有圆圈标记的绿线 # plot(x, y, 'ks')#带有正方形标记的黑色虚线 #绘制连接前三个点的线 plot(x[:3], y[:3]) axis('off') #添加标题,显示绘制的图像 titles = ['empire'] plt.title = titles show()
上面的代码首先绘制出原始图像,然后在 x 和 y 列表中给定点的 x 坐标和 y 坐标上绘制出红色星状标记点,最后在两个列表表示的前两个点之间绘制一条线段。该例子的绘制结果下图:
2、图像轮廓和直方图
绘制轮廓需要对每个坐标 [x, y] 的像素值施加同一个阈值,所以首先需要将图像灰度化,这里用 PIL 的 convert() 方法将图像转换成灰度图像。图像的直方图用来表征该图像像素值的分布情况。
from PIL import Image from pylab import * # 读取图像到数组中 im = array(Image.open("empire.jpeg").convert('L')) #创建一个图像 figure() #不使用颜色信息 gray() #在原点的左上角显示轮廓图像 contour(im, origin = 'image')#检测图像轮廓 axis('equal') axis('off') show() #新建一个图像 figure hist(im.flatten(), 128)#绘制图像直方图 show()
图像轮廓图输出如下所示:
输出图像直方图如下所示:
3、交互式标注
在一幅图像中标记一些点,或者标注一些训练数据。PyLab 库中的 ginput() 函数就可以实现交互式标注。在图像点击三次,则程序会自动将这3个点的坐标点[x, y]保存到x列表里。
from PIL import Image from pylab import * im = array(Image.open("empire.jpeg")) imshow(im) print("please click 3 points") x = ginput(3) print("you clicked",x) show()
三、Numpy
1、图像数组表示
对于图像数据,下面的例子阐述了这一点
from PIL import Image import numpy as np im = np.array(Image.open("empire.jpeg")) print(im.shape,im.dtype)
输出为:
(1024, 683, 3) uint8
每行的第一个元组表示图像数组的大小(行、列、颜色通道),紧接着的字符串表示数组元素的数据类型。因为图像通常被编码成无符号八位整数(uint8),载入图像并将其转换到数组中,数组的数据类型为“uint8”。
2、灰度变换
对图像进行灰度变换,如下所示:
from PIL import Image import numpy as np im = np.array(Image.open("empire.jpeg")) print(im.shape,im.dtype) from PIL import Image from matplotlib.pylab import plt from numpy import * im1 = array(Image.open('empire.jpeg').convert('L')) im2 = 255 - im1 #对图像进行反向处理 im3 = (100.0/255) * im1 + 100 #将图像值变换到100-200之间 im4 = 255.0 * (im1/255) ** 2 #对图像像素值求平方后得到的图像 images = [im1, im2, im3, im4] titles = ["f(x) = x", "f(x) = 255 - x", "f(x) = (100/255)*x +100", "f(x) = 255*(x/255)^2"] #输出图中的最大像素值和最小像素值 print(int(im1.min()),int(im1.max())) print(int(im2.min()),int(im2.max())) print(int(im3.min()),int(im3.max())) print(int(im4.min()),int(im4.max())) for i in range(4): plt.subplot(2, 2, i+1)#2行2列,按编号顺序排列 plt.imshow(images[i])#显示图像 plt.title(titles[i])#显示标题 plt.gray() # plt.xticks([]) # plt.yticks([]) plt.axis('equal') plt.axis('off') plt.show()
输出接入如下所示:
总结
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。