@《python计算机视觉处理编程》第一章笔记Python计算机视觉编程笔记,还在学习之中
红色:imtools函数 蓝色:函数功能 绿色:拓展知识
1、from PIL import Image 输入pillow包,图像缩放,裁剪、旋转、颜色转换
pil_im=Image.open(‘D:\RGB\Testpicture\pexels-photo-417173.jpg’) 打开一张图片
print(pil_img.size,pil_img.mode,pil_img.format)
pil_im=Image.open(‘D:\RGB\Testpicture\pexels-photo-417173.jpg’).convert(‘L’) 将图像转化为灰度图像
Image.open(infile).save(outfile) 保存图片到指定文件名的文件夹
pil_im.thumbnail((128,128)) 生成(128,128)为边长的缩略图
box=(100,100,400,400)
#region=pil_img.crop(box) crop()方法从一幅图像中裁剪指定区域
region=region.transpose(Image.ROTATE_180) transpose()旋转图片
Pil_im.paste(region,box) paste()粘贴指定大小的图片
out=pil_im.resize((128,128)) resize()参数是元组,指定图像大小
Out=pil_im.rotate(45) rotate()逆时针旋转角度
2、from pylab import * 处理数学运算、绘制图标,在图片上绘制点、直线、曲线
Im=array(Image.open(‘D:\RGB\Testpicture\pexels-photo-417173.jpg’))读取图像到数组中
Imshow() 绘制图片
figure() 新建一个图像
gray() 不使用颜色信息,灰度图像
X=[100,100,400,400]
Y=[200,500,200,500] 定义一些点
plot(x,y,’r*’) 红色星号标记绘制点
show() 打开图形用户界面,新建一个图像窗口
axis(‘off’)
contour(im,origin=’image’) 现实图像轮廓
hist(im.flatten().128) hist只接受一维数组输入,先对图像进行压平处理
x=ginput(3) 交互式标注,点击的坐标[x,y]自动保存到x列表中
3、from numpy from *科学计算工具包,实现对数组的操作,
dot()返回的是两个数组的点积
shape是查看数据有多少行多少列颜色通道
reshape()是数组array中的方法,作用是将数据重新组织
Shape: 可以是一维、二维、三维
其中三维,shape = [m , a, b] 表示生成m个a*b的0矩阵;
dtype: 默认为float64, 使用形式dtype=np.int;dtype:数据类型,可选参数,默认numpy.float64
im=array(Image.open(‘D:/RGB/outdoors’)) array()方法将图像转换为numpy的数组对象
print(im.shape,im.dtype)
(584, 1036, 3) uint8 (行,列,颜色通道)数组元素的数据类型
im2=255-im
im3=(100.0/255)im+100
im4=255.0(im/255/0)**2
print(im3.min(),im3.max())
pil_img=Image.fromarray(im)#将numpy的array数据类型转换为PIL的数据类型
from PIL import Image
from numpy import *
def compute_average(imlist): 计算图像列表的平均图像
averageim=array(Image.open(imlist[0]),‘f’)
for imname in imlist[1:]:
try:
averageim+=array(Image.open(imname))
except:
print(imname+’…skip’)
averageim/=len(imlist)
return array(averageim,‘uint8’)
def imresize(im,size): 对图形进行缩放
pil_im=Image.fromarray(uint8(im))
return array(pil_im.resize(size))
4、pickle模块:保存一些结构或者数据方便以后使用,几乎可以接受所有python对象,并将其转化为字符串表示,这个过程叫做封装(pickling)。从字符串中重构该对象,叫做拆封(unpickling)
pickle.dump(immean(对象),f(.pickle文件))
pickle.Load()将字符串重构成python对象
5、SciPy模块:建立在numpy基础之上,用于数据计算的开源工具包,实现数值积分、优化、统计、信号处理,图像处理功能
im= array(Image.open(‘D:/RGB/trainning data/indoor/part-00135-2777.jpg’).convert(‘L’))
im2=filters.gaussian_filter(im,5) 5为标准差,标准差越大,图像越模糊
——————————————————————————————————————
#处理彩色图像高斯模糊,需要对每一个颜色通道分别进行高斯模糊
im= array(Image.open(‘D:/RGB/trainning data/indoor/part-00135-2777.jpg’))
im2=zeros(im.shape)
for i in range(3):
subplot(3,1,i+1) #多张图片绘制成三行一列,i+1表示第几张图片位置,最小从1开始
im2[:,:,i]=filters.gaussian_filter(im[:,:,i],3)
imshow(im2[:,:,i]
show()
——————————————————————————————————————
#用sobel滤波器来计算下x,y的方向导数
im= array(Image.open(‘D:/RGB/trainning data/indoor/part-00135-2777.jpg’).convert(‘L’))
imshow(im)
subplot(3,1,1)
imx=zeros(im.shape)
filters.sobel(im,1,imx) #第二个参数表示选择x,y方向上的导数,第三个参数保存输出的变量
imshow(imx)
subplot(3,1,2)
imy=zeros(im.shape)
filters.sobel(im,0,imy) #1代表x轴,0代表y轴
imshow(imy)
subplot(3,1,3)
show()
欢迎使用Markdown编辑器
你好! 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章,了解一下Markdown的基本语法知识。
新的改变
我们对Markdown编辑器进行了一些功能拓展与语法支持,除了标准的Markdown编辑器功能,我们增加了如下几点新功能,帮助你用它写博客:
- 全新的界面设计 ,将会带来全新的写作体验;
- 在创作中心设置你喜爱的代码高亮样式,Markdown 将代码片显示选择的高亮样式 进行展示;
- 增加了 图片拖拽 功能,你可以将本地的图片直接拖拽到编辑区域直接展示;
- 全新的 KaTeX数学公式 语法;
- 增加了支持甘特图的mermaid语法1 功能;
- 增加了 多屏幕编辑 Markdown文章功能;
- 增加了 焦点写作模式、预览模式、简洁写作模式、左右区域同步滚轮设置 等功能,功能按钮位于编辑区域与预览区域中间;
- 增加了 检查列表 功能。
功能快捷键
撤销:Ctrl/Command + Z
重做:Ctrl/Command + Y
加粗:Ctrl/Command + B
斜体:Ctrl/Command + I
标题:Ctrl/Command + Shift + H
无序列表:Ctrl/Command + Shift + U
有序列表:Ctrl/Command + Shift + O
检查列表:Ctrl/Command + Shift + C
插入代码:Ctrl/Command + Shift + K
插入链接:Ctrl/Command + Shift + L
插入图片:Ctrl/Command + Shift + G
查找:Ctrl/Command + F
替换:Ctrl/Command + G
合理的创建标题,有助于目录的生成
直接输入1次#,并按下space后,将生成1级标题。
输入2次#,并按下space后,将生成2级标题。
以此类推,我们支持6级标题。有助于使用TOC
语法后生成一个完美的目录。
如何改变文本的样式
强调文本 强调文本
加粗文本 加粗文本
标记文本
删除文本
引用文本
H2O is是液体。
210 运算结果是 1024.
插入链接与图片
链接: link.
图片:
带尺寸的图片:
居中的图片:
居中并且带尺寸的图片:
当然,我们为了让用户更加便捷,我们增加了图片拖拽功能。
如何插入一段漂亮的代码片
去博客设置页面