数字图像处理：python实现图像的形变和缩放（八）

我们以skimage中的transform模块为例，讲述图像的形变和缩放
实验一：改变图片尺寸: resize

from skimage import transform,data
import matplotlib.pyplot as plt

img = data.astronaut()
print ('origin picture shape:',img.shape)
img_resize = transform.resize(img,(100,80))

plt.subplot(121)
plt.title('origin size')
plt.imshow(img,cmap = plt.cm.jet)

plt.subplot(122)
plt.title('after resize')
plt.imshow(img_resize,plt.cm.gray)

plt.show()

运行结果：

imshow()函数格式为：

matplotlib.pyplot.imshow(X, cmap=None)

X: 要绘制的图像或数组。
cmap: 颜色图谱（colormap), 默认绘制为RGB(A)颜色空间。
其它可选的颜色图谱如下列表

颜色图谱                          描述
autumn                        红-橙-黄
bone                          黑-白，x线
cool                          青-洋红
copper                         黑-铜
flag                           红-白-蓝-黑
gray                              黑-白
hot                            黑-红-黄-白
hsv                hsv颜色空间， 红-黄-绿-青-蓝-洋红-红
inferno                     黑-红-黄
jet                             蓝-青-黄-红
magma                      黑-红-白
pink                               黑-粉-白
plasma                       绿-红-黄
prism                         红-黄-绿-蓝-紫-...-绿模式
spring                             洋红-黄
summer                             绿-黄
viridis                             蓝-绿-黄
winter                             蓝-绿

用的比较多的有gray,jet

实验结果可以看到：原图片由512×512大小，变成了100×80

实验二：图片按比例缩放：rescale
函数格式：

skimage.transform.rescale(image, scale[, ...])

scale参数可以是单个float数，表示缩放的倍数，也可以是一个float型的tuple，如[0.2,0.5],表示将行列数分开进行缩放
代码实现：

from skimage import transform,data
img = data.astronaut()
print(img.shape) #图片原始大小 
print(transform.rescale(img, 0.1).shape) #缩小为原来图片大小的0.1
print(transform.rescale(img, [0.5,0.25]).shape) #缩小为原来图片行数一半，列数四分之一
print(transform.rescale(img, 2).shape) #放大为原来图片大小的2倍

run result:

实验三：图像的旋转：rotate
函数格式：

skimage.transform.rotate(image, angle[, ...],resize=False)

angle参数是个float类型数，表示旋转的度数
resize用于控制在旋转时，是否改变大小 ，默认为False
代码实现：

from skimage import transform,data
import matplotlib.pyplot as plt

img = data.camera()
print(img.shape)  #图片原始大小
img1=transform.rotate(img, 60) #旋转90度，不改变大小 
print(img1.shape)
img2=transform.rotate(img, 30,resize=True)  #旋转30度，同时改变大小
print(img2.shape)   

plt.figure('resize')

plt.subplot(121)
plt.title('rotate 60')
plt.imshow(img1,plt.cm.gray)

plt.subplot(122)
plt.title('rotate  30')
plt.imshow(img2,plt.cm.gray)

plt.show()

实验结果：

实验四：图像金字塔
1.什么是图像金字塔？
答：一幅图像的金字塔是一系列以金字塔形状排列的分辨率逐步降低的图像集合。金字塔的底部是待处理图像的高分辨率表示，而顶部是低分辨率的近似。
以多分辨率来解释图像的一种有效但概念简单的结构就是图像金字塔。图像金字塔最初用于机器视觉和图像压缩。
当向金字塔的上层移动时，尺寸和分辨率就降低。

2.举例，高斯金字塔

skimage.transform.pyramid_gaussian(image, downscale=2)
# downscale控制着金字塔的缩放比例

代码实现：

# -*- coding: utf-8 -*-
"""
Created on Fri Jul 19 21:14:22 2019

@author: ZQQ
"""

import numpy as np
import matplotlib.pyplot as plt
from skimage import data,transform

image = data.astronaut()  #载入图片
rows, cols, dim = image.shape  #获取图片的行数，列数和通道数
pyramid = tuple(transform.pyramid_gaussian(image, downscale=2))  #产生高斯金字塔图像
#共生成了log(512)=9幅金字塔图像，加上原始图像共10幅，pyramid[0]-pyramid[1]

# rows, cols + cols -255 ,控制窗口大小，可人为调,不同图片,设置的不同
composite_image = np.ones((rows, cols + cols-255 , 3), dtype=np.double)  #生成背景

composite_image[:rows, :cols, :] = pyramid[0]  #融合原始图像

i_row = 0
for p in pyramid[1:]:
    n_rows, n_cols = p.shape[:2]
    composite_image[i_row:i_row + n_rows, cols:cols + n_cols] = p  #循环融合9幅金字塔图像
    i_row += n_rows

plt.imshow(composite_image)
plt.show()

实验结果：

图片的大小在折半减小。
当然，我们举的例子只是高斯金字塔，还有其他的金字塔，例如拉普拉斯金字塔：

skimage.transform.pyramid_laplacian(image, downscale=2)

只是调用的模块不同。

参考和引用：

https://www.jianshu.com/p/f2e88197e81d

https://www.cnblogs.com/denny402/p/5121501.html

仅用来个人学习和分享，如若侵权，留言立删。

尊重他人知识产权，不做拿来主义者！

喜欢的可以关注我哦QAQ，

你的关注就是我write博文的动力。