PYTHON图像处理操作（简单（下））

1.把”jpg”格式转换成”png”格式，并修改图片大小

1.1导入此环节需要的库

from skimage import io,transform,color
import numpy as np

1.2定义函数

def convert_gray(f):                        #定义函数名为convert_gray
    rgb = io.imread(f)                      
gray = color.rgb2gray(rgb)                  #将RGB图像转为灰度图像

1.3将灰度图像大小调整为256x256,返回图像

dst = transform.resize(gray,(256,256))
    return dst

1.4加载图像路径

img = r"C:\Users\86130\Desktop\210"
str = img +'/*.jpg'
coll = io.ImageCollection(str,load_func = convert_gray)

1.5遍历图像集合的长度，保存图像为.png格式，文件名以0开头并逐渐增加

for i in range(len(coll)):
    io.imsave(r"C:\Users\86130\Desktop\210\0"+np.str(i)+'.png',coll[i])

运行结果：

2.自定义缩放图像

2.1自定义缩放图像的方法：transform.resize( )

参数1：图像，参数2：图像自定义缩放的比例，shape[0]:宽×1/2，shape[1]:高×1/2

b = transform.resize(img,(img.shape[0]*0.5,img.shape[1]*0.5))
c= transform.resize(img,(img.shape[0]*1/3,img.shape[1]*1/3))    #同理b
d = transform.resize(img,(img.shape[0]*1/4,img.shape[1]*1/4))
plt.axis(‘on’)                     #等于on或者不写：显示坐标

运行结果：

                            

2.2输出图像大小

print(img.shape)

运行结果：

                                       

2.3按比例缩放图像： transform.rescale

a = transform.rescale(img,0.1)    #按比例缩放0.1倍
print(a.shape)
io.imshow(a)

运行结果：

                           

2.4旋转图像：transform.rotate()

2.4.1导包

import matplotlib.pyplot as plt

2.4.2输出图像大小

print(img.shape)

2.4.3将图像旋转60°、30°，逆时针方向，resize = True:自定义缩小图像

img1 = transform.rotate(img,60)
print(img1.shape)

img2 = transform.rotate(img,30,resize = True)
print(img2.shape)

运行结果：

                    

3.gamma调整图像

要点：gamma>1,调暗!!

      gamma<1,调亮!!

gam1 = exposure.adjust_gamma(img,5)  #调暗

gam2 = exposure.adjust_gamma(img,0.3) #调亮

运行结果：

           

4.log调整图像

log = exposure.adjust_log(img) 

运行结果：

                    

可以看到，使用log调整后的图像比原图像更亮一些

1.将调整后的图像保存，以“wzq.jpg”命名

io.imsave(r"C:\Users\86130\Desktop\210\wzq.jpg",log)

5.分析图像的对比度

5.1判断图像对比度

5.1.1导入exposure模块，读取图片

from skimage import exposure
img = io.imread(r"C:\Users\86130\Desktop\210\wzq.jpg")

5.1.2is_low_contrast函数判断图像的对比度是否低，返回布尔型的值，True代表低，False代表正常/高

result = exposure.is_low_contrast(img)
print(result)

运行结果:

                                            

5.2创建数组，对其缩放

5.2.1创建图像数组，然后缩放，类型设置为uint8

img = np.array([51,102,153],dtype = np.uint8)

5.2.2对图像的像素强度进行缩放

mat = exposure.rescale_intensity(img)
print(mat)

5.2.3查看数组的数据类型

print(mat.dtype.name)

5.2.4判断对比度高低

result = exposure.is_low_contrast(mat)
print(result)

运行结果:

              

5.3将数组转换为浮点型

img = np.array([51,102,153],dtype = np.uint8)
print(img*1.0)

运行结果:

                      

5.4对浮点型数组进行缩放

img = np.array([51,102,153],dtype = np.uint8)
tmp=img*1.0
mat = exposure.rescale_intensity(tmp)
print(mat)

运行结果：

                 

6.对图像画形状

6.1使用draw.line方法对图像画线

hh,ll = draw.line(0,250,1600,250)
#起点：参数1：距x轴的坐标；参数2：距y轴的坐标
#终点：参数3：距x轴的坐标；参数4：距y轴的坐标

6.1.1给线条添加颜色

# img[hh,ll] = 200
draw.set_color(img,[hh,ll],[0,0,255])

可以使用两种方法，1：直接给定0--255的值

                                2：使用set_color方法

运行结果:

                                

6.2​​​​​​​使用draw.disk方法画圆圈

hh,ll = draw.disk((1000,520),50)
#参数1：确定圆圈的中心点，参数2：圆形的半径

运行结果:

                                 

6.3使用draw.polygon画多边形

X = np.array([240,400,500,405,240,150])               #顺时针坐标
Y = np.array([50,50,180,320,320,190])
hh,ll = draw.polygon(Y,X)
draw.set_color(img,[hh,ll],[0,0,255])

X存储在x轴的点位。Y存储距x轴的距离的坐标（经过好几次修改，终于得到了六边形）

运行结果:

                                           

6.4使用draw.ellipse画椭圆

hh,ll = draw.ellipse(1000,520,50,100)
#参数1、2：确定椭圆的中心点坐标
#参数3：椭圆上下的距离
#参数4：椭圆左右的距离

运行结果：