python image basic image process

from:https://www.cnblogs.com/kongzhagen/p/6295925.html

https://www.cnblogs.com/denny402/p/5124152.html

https://blog.csdn.net/qq_23589775/article/details/81143584

Python-Image 基本的图像处理操作，有需要的朋友可以参考下。

Python 里面最常用的图像操作库是

 

Image library（PIL），功能上，虽然还不能跟Matlab比较，但是还是比较强大的，废话补多少，写点记录笔记。

1. 首先需要导入需要的图像库：

import Image

2. 读取一张图片：

im=Image.open('/home/Picture/test.jpg')

3. 显示一张图片：

im.show()

4. 保存图片：

im.save("save.gif","GIF") #保存图像为gif格式

5. 创建新图片：

Image.new(mode,size)

Image.new(mode,size,color)

栗子：newImg = Image.new("RGBA",(640,480),(0,255,0))
newImg.save("newImg.png","PNG")

6.两张图片相加：

Image.blend(img1,img2,alpha) # 这里alpha表示img1和img2的比例参数

7. 点操作：

im.point(function) #,这个function接受一个参数，且对图片中的每一个点执行这个函数
比如：out=im.point(lambdai:i*1.5)#对每个点进行50%的加强

8. 查看图像信息：
im.format, im.size, im.mode

9. 图片裁剪：
box=(100,100,500,500)

#设置要裁剪的区域

region=im.crop(box) #此时，region是一个新的图像对象。

10. 图像黏贴（合并）

im.paste(region,box)#粘贴box大小的region到原先的图片对象中。

11. 通道分离：
r,g,b=im.split()#分割成三个通道，此时r,g,b分别为三个图像对象。

12. 通道合并：
im=Image.merge("RGB",(b,g,r))#将b,r两个通道进行翻转。

13. 改变图像的大小：
out=img.resize((128,128))#resize成128*128像素大小

14. 旋转图像：
out=img.rotate(45) #逆时针旋转45度

有更方便的：
region = region.transpose(Image.ROTATE_180）

15. 图像转换：
out = im.transpose(Image.FLIP_LEFT_RIGHT)

#左右对换。

out = im.transpose(Image.FLIP_TOP_BOTTOM)

#上下对换

16. 图像类型转换：
im=im.convert("RGBA")

17. 获取某个像素位置的值：
im.getpixel((4,4))

18. 写某个像素位置的值：
img.putpixel((4,4),(255,0,0))

 

python数字图像处理（7）：图像的形变与缩放

图像的形变与缩放，使用的是skimage的transform模块，函数比较多，功能齐全。

1、改变图片尺寸resize

函数格式为：

skimage.transform.resize(image, output_shape)

image: 需要改变尺寸的图片

output_shape: 新的图片尺寸

from skimage import transform,data
import matplotlib.pyplot as plt
img = data.camera()
dst=transform.resize(img, (80, 60))
plt.figure('resize')

plt.subplot(121)
plt.title('before resize')
plt.imshow(img,plt.cm.gray)

plt.subplot(122)
plt.title('before resize')
plt.imshow(dst,plt.cm.gray)

plt.show()

将camera图片由原来的512*512大小，变成了80*60大小。从下图中的坐标尺，我们能够看出来：

 

2、按比例缩放rescale

函数格式为：

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

from skimage import transform,data
img = data.camera()
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倍
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

结果为：

(512, 512)
(51, 51)
(256, 128)
(1024, 1024)

3、旋转 rotate

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

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()

显示结果:

4、图像金字塔

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，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。当向金字塔的上层移动时，尺寸和分辨率就降低。

在此，我们举一个高斯金字塔的应用实例，函数原型为：

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

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

image = data.astronaut()  #载入宇航员图片
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]

composite_image = np.ones((rows, cols + cols / 2, 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()

上右图，就是10张金字塔图像，下标为0的表示原始图像，后面每层的图像行和列变为上一层的一半，直至变为1

除了高斯金字塔外，还有其它的金字塔，如：

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