Python图像处理基本操作

在Python中进行图像处理可以使用的库有很多,本文主要介绍下面三个:

  • OpenCV(Open Source Computer Vision Library)
  • PIL(Python Imaging Library)
  • skimage(scikit-image)

*如下代码的实验环境为Jupyter Notebook.

欢迎关注白马负金羁的博客 http://blog.csdn.net/baimafujinji,为保证公式、图表得以正确显示,强烈建议你从该地址上查看原版博文。本博客主要关注方向包括:数字图像处理、算法设计与分析、数据结构、机器学习、数据挖掘、统计分析方法、自然语言处理。


1. OpenCV

OpenCV是图像处理中最强大的一个库,它的源代码是由C\C++写成的,所以原版的OpenCV可以与C、C++无缝结合。Python版的OpenCV主要依赖于cv2这个包来实现。

1.1  imread()

import cv2
import numpy as np

#读入图片:默认彩色图,cv2.IMREAD_GRAYSCALE灰度图,cv2.IMREAD_UNCHANGED包含alpha通道
img = cv2.imread('Lena.png')
print(img.shape)
print(type(img))

上述代码的执行结果如下:

(512, 512, 3)
<class 'numpy.ndarray'>

此时,被读入的图像以ndarray格式存在,取值范围是 [0, 255]。

1.2  imshow()

cv2.imshow('Lena',img)
cv2.waitKey(0)
cv2.destroyAllWindows()

函数imshow()用于显示图像,但只使用它并不会得到任何结果,必须结合后面的waitKey(delay),参数delay表示延迟多少毫秒。默认情况为0。当delay≤0,可以理解为延迟无穷大毫秒。调用destroyAllWindows()函数可以释放由 OpenCV创建的所有窗口。注意上面三条语句必须写在Jupyter notebook中的同一Cell里,然后按任意键,系统会关闭图像显示窗口。

1.3  imwrite()

cv2.imwrite('lena.jpg',img)

函数imwrite()用于存储图像,第一个参数是file name,第二个参数是要存储的图像对象。

 

参考链接【点击链接】

欢迎关注白马负金羁的博客 http://blog.csdn.net/baimafujinji,为保证公式、图表得以正确显示,强烈建议你从该地址上查看原版博文。本博客主要关注方向包括:数字图像处理、算法设计与分析、数据结构、机器学习、数据挖掘、统计分析方法、自然语言处理。


2. PIL

Python里面自带一个PIL(python images library), 但这个库现在已经停止更新了,所以使用Pillow, 它是由PIL发展而来的。

1.1  open()

from PIL import Image
import numpy as np

img = Image.open('Lena.png')
print(img.size)
print(img.mode)
print(type(img))

上述代码的执行结果如下:

(512, 512)
RGB
<class 'PIL.PngImagePlugin.PngImageFile'>

1.2 show()

下面的代码可以用来显示图像,程序会弹出一个单独的图像窗口。

img.show()

除此之外,还可以使用matplotlib来绘制图像,它是一个专业绘图的库,相当于matlab中的plot,可以设置多个figure,设置figure的标题,甚至可以使用subplot在一个figure中显示多张图片。

import matplotlib.pyplot as plt
%matplotlib inline

plt.imshow(img)

inline一句的作用是在Jupyter Notebook的网页中直接绘图,即不会单独弹出绘图窗口,上述代码的执行结果如下:

如果不希望显示坐标轴,则可以使用下面的代码:

plt.axis('off')
plt.imshow(img)

下面的代码演示了显示多行、多列图像的方法,注意其中显示灰度图像的语法。

fig=plt.figure(figsize=(28, 28))
columns = 5
rows = 5
for i in range(1, columns*rows +1):
    img = test_only_success_adv[650+i].reshape(28,28)+0.5
    fig.add_subplot(rows, columns, i)
    plt.imshow(img, cmap='gray')
    plt.axis('off')

代码执行结果如下:

1.3  save()

图像保存可以使用:

img.save('lena2.jpg')

如果要把以ndarray格式存储的矩阵保存成图像,则需要使用:

im = Image.fromarray(np.uint8(data_jsma_0*255))
im.save("000.png")

 

参考链接【点击链接】

欢迎关注白马负金羁的博客 http://blog.csdn.net/baimafujinji,为保证公式、图表得以正确显示,强烈建议你从该地址上查看原版博文。本博客主要关注方向包括:数字图像处理、算法设计与分析、数据结构、机器学习、数据挖掘、统计分析方法、自然语言处理。


3. skimage

 

1.1  imread()

参考示例代码:

from skimage import io
import numpy as np

img = io.imread('Lena.png')
print(img.shape) # numpy矩阵,(h,w,c)

print(type(img))

上述代码执行结果如下:

(512, 512, 3)
<class 'numpy.ndarray'>

被读入的图像以ndarray格式存在。

与之前类似,io.imshow() 和 io.imsave() 分别用于显示和存储图像。

1.2  img_as_ubyte()

该函数的作用是convert an image to 8-bit unsigned integer format,也就是把图像像素灰度的取值范围转化到0~255之间的整数。

例如,

print(np.max(adv_test_cw0[0]))
print(np.min(adv_test_cw0[0]))

byte_adv_test_cw0 = img_as_ubyte(adv_test_cw0)

print(np.max(byte_adv_test_cw0[0]))
print(np.min(byte_adv_test_cw0[0]))

上述代码的执行结果如下:

0.9997719
0.00054621696

255
0

 

参考链接【点击链接】

 

欢迎关注白马负金羁的博客 http://blog.csdn.net/baimafujinji,为保证公式、图表得以正确显示,强烈建议你从该地址上查看原版博文。本博客主要关注方向包括:数字图像处理、算法设计与分析、数据结构、机器学习、数据挖掘、统计分析方法、自然语言处理。

【全文完】

发布了358 篇原创文章 · 获赞 4283 · 访问量 419万+
展开阅读全文

没有更多推荐了,返回首页

©️2019 CSDN 皮肤主题: 精致技术 设计师: CSDN官方博客

分享到微信朋友圈

×

扫一扫,手机浏览