PYTHON 图像基本操作（简单（中））

一、图像类型的转换

1、输出原图像的数据类型

print(img.dtype.name)

img：读取图像的路径

输出结果：

.2 2、float转换为uint8

1.导入需要用的库  ：img_as_ubyte函数将float转换为uint8类型

from skimage import img_as_ubyte

import numpy as np

2.创建一个数组，值内包括浮点型，类型设置为float

img = np.array([0,0.5,1],dtype = float)

print(img.dtype.name)

3.将float转换为uint8类型

dst = img_as_ubyte(img)

print(dst.dtype.name)   #输出出来

运行结果：

3、uint8转换为float

1.导入 img_as_float函数  ：将uint8转换为float类型

from skimage import img_as_float

import numpy as np

2.读取这个路径下的图像

img = io.imread(r"C:\Users\86130\Desktop\111.jpg")

3.输出其类型

print(img.dtype.name)

# print(img)

4.转换类型

dst = img_as_float(img)

print(dst.dtype.name)

运行结果：

1. 对图像进行归一化处理

二、线性归一化

# 线性归一化

1.导入必需的库

from skimage import io

import numpy as np

2.读取图像

img = io.imread(r"C:\Users\86130\Desktop\111.jpg")

3.通过min(img)和max(img)获取图像像素点的最大值和最小值

normalized_image=(img-np.min(img))/(np.max(img)-np.min(img))

4.展示出 线性归一化后的图像

io.imshow(normalized_image)

5.输出处理后的像素值

print(normalized_image)

6.输出处理后的图像的数据类型

print(normalized_image.dtype.name)

处理后的像素值会在0~1之间

运行结果：

像素值

2、均值方差归一化

import numpy as np

img = io.imread(r"C:\Users\86130\Desktop\111.jpg")

同理：线性归一化 公式

image = (img-np.min(img))/(np.max(img)-np.min(img))

io.imshow(image)

运行结果：

三、直方图均衡化

17.3.1 含义

exposure模块提供了一些图像增强和处理的函数，包括直方图均衡化；用于增强图像的对比度，使图像中的像素值更均匀分布，从而提升图像的视觉效果

# 直方图均衡化

from skimage import exposure,io

image = io.imread(r"C:\Users\86130\Desktop\111.jpg")

调用exposure包下的equalize_hist方法

equalized_image = exposure.equalize_hist(image)

io.imshow(equalized_image)

运行结果：

四、颜色空间转换

from skimage import io,data,color

img = io.imread(r"C:\Users\86130\Desktop\111.jpg")

a = color.rgb2hsv(img)

io.imshow(a)

hsv介绍：h------色相 ； s------饱和度 ； v------色彩的亮度 ；

运行结果：

       

                           原图                                                                       转换后

1.hsv转换rgb

d = color.hsv2rgb(img)

运行结果：

2.rgb转换lab

from skimage import io,data,color

img = io.imread(r"C:\Users\86130\Desktop\111.jpg")

b = color.rgb2lab(img)

io.imshow(b)

Lab介绍：L------亮度 ； a------从绿色到红色的分量 ； b------从蓝色到黄色的分量 ；

运行结果：

       

lab转换rgb

e = color.lab2rgb(img)

运行结果：

​​​​​​​3.gray转换rgb

无法转换，会出现错误，rgb图像有三个维度，转变为灰度图像后只剩下一个维度，所以出现错误！！！

​​​​​​​3.1使用convert_colorspace函数将rgb转换成hsv

from skimage import io,data,color

img = io.imread(r"C:\Users\86130\Desktop\111.jpg")

hsv = color.convert_colorspace(img,'rgb','hsv')

io.imshow(hsv)

运行结果：

                  

18.4.1使用convert_colorspace函数将hsv转换成rgb

rgb = color.convert_colorspace(img,'hsv','rgb')

运行结果：

                  

​​​​​​​使用convert_colorspace函数将rgb转换成lab

无法转换，出现错误：被转换类型只有下图这些，不包含其他类型

五、根据不同的灰度值分成三个区域，并用默认颜色表示

1.导入模块，读取图像

from skimage import io,data,color

import numpy as np

img = io.imread(r"C:\Users\86130\Desktop\111.jpg")

2.将原图像进行灰度处理

gray = color.rgb2gray(img)

3.获取灰度图像的行和列

rows,cols=gray.shape

4.生成与灰度图像行列相同的全0数组

labels = np.zeros([rows,cols])

5.遍历灰度图像的行和列

for i in range(rows):

for j in range(cols):

6.如果[i,j]位置的灰度值小于0.4，将对应位置标记为0

        if (gray[i,j]<0.4):

            labels[i,j] = 0

7.如果[i,j]位置的灰度值大于0.4小于0.75，将对应位置标记为1

        elif(0.4<gray[i,j]<0.75):

            labels[i,j]=1

8.否则，标记为2

        else:

            labels[i,j]=2

9.使用label2rgb生成新的图像，存在变量dst1中

dst1 = color.label2rgb(labels)

io.imshow(dst1)

运行结果：

                

六、创建主窗口与子图

1.导入模块，读取图像

import matplotlib.pyplot as plt

img = io.imread(r"C:\Users\86130\Desktop\111.jpg")

2.使用matplotlib库中的figure函数创建一个图像窗口，设置窗口名称为img，大小为(8, 8)

plt.figure(num='img',figsize=(8,8))

3.在窗口创建子图，2行2列，在子图第1个位置放img（从左上角开始编号）

plt.subplot(2,2,1)            #参数（行，列，子图位置）

plt.title('origin image')         #设置窗口标题

plt.imshow(img)

4.在子图第二个位置放（红色）R通道处理后的图像；plt.cm.gray显示的图像以灰度的方式呈现

plt.subplot(2,2,2)

plt.title('R image')

plt.imshow(img[:,:,0],plt.cm.gray)

plt.axis('off')      #不显示坐标

5.在子图第三个位置放（绿色）G通道处理后的图像

plt.subplot(2,2,3)

plt.title('G image')

plt.imshow(img[:,:,1],plt.cm.gray)

plt.axis('off')

1. 在子图第四个位置放（蓝色）B通道处理后的图像

plt.subplot(2,2,4)

plt.title('B image')

plt.imshow(img[:,:,2],plt.cm.gray)

plt.axis('off')

1. 放在最后，展示图形

plt.show()         

运行结果：