图像处理-用Python3 处理图像像素

python中利用numpy库和scipy库来进行各种数据操作和科学计算。我们可以通过pip来直接安装这两个库

pip install numpy
pip install scipy

以后，只要是在python中进行数字图像处理，我们都需要导入这些包：

from PIL import Image
import numpy as np
import matplotlib.pyplot as plt

打开当前目录图像并转化为矩阵并显示

from PIL import Image
import numpy as np
import matplotlib.pyplot as plt
img=np.array(Image.open('lena.jpg'))  #打开当前目录图像并转化为数字矩阵
plt.figure("lena")
plt.imshow(img)
plt.axis('off')
plt.show()

调用numpy中的array（）函数就可以将PIL对象转换为数组对象。

查看图片信息，可用如下的方法：

print img.shape  
print img.dtype 
print img.size 
print type(img)

如果是RGB图片，那么转换为array之后，就变成了一个rows*cols*channels的三维矩阵,因此，我们可以使用

img[i,j,k]来访问像素值。

打开图片，并随机添加一些噪声

from PIL import Image
import numpy as np
import matplotlib.pyplot as plt
img=np.array(Image.open('lena.jpg'))

#随机生成5000个随机噪声点
rows,cols,dims=img.shape
for i in range(5000):
    x=np.random.randint(0,rows)
    y=np.random.randint(0,cols)
    img[x,y,:]=255
    
plt.figure("lena")
plt.imshow(img)
plt.axis('off')
plt.show()

 

简单灰度化处理，R，G，B分量均用R分量代替

from PIL import Image
import numpy as np
img = Image.open("lena.jpg")
img_array = np.array(img)
arr1 = img_array[:]
print(arr1.shape)
for x in range(1,arr1.shape[0]):
    for y in range(1,arr1.shape[1]):
        a = img_array[x,y][0]
        b = img_array[x,y][1]
        c = img_array[x,y][2]
        arr1[x,y] =(a,a,a)
        #arr1[x, y] = (b, b, b)
        ##arr1[x, y] = (c, c, c)
image_arr = Image.fromarray(arr1)
image_arr.show()

将lena图像二值化，像素值大于128的变为1，否则变为0

from PIL import Image
import numpy as np
import matplotlib.pyplot as plt
img=np.array(Image.open('lena.jpg').convert('L'))

rows,cols=img.shape
for i in range(rows):
    for j in range(cols):
        if (img[i,j]<=128):
            img[i,j]=0
        else:
            img[i,j]=1
            
plt.figure("lena")
plt.imshow(img,cmap='gray')
plt.axis('off')
plt.show()

 

如果要对多个像素点进行操作，可以使用数组切片方式访问。切片方式返回的是以指定间隔下标访问 该数组的像素值。

下面给出一个有关灰度图像的一些例子：

 

img[i,:] = im[j,:] # 将第 j 行的数值赋值给第 i 行

img[:,i] = 100 # 将第 i 列的所有数值设为 100

img[:100,:50].sum() # 计算前 100 行、前 50 列所有数值的和

img[50:100,50:100] # 50~100 行，50~100 列（不包括第 100 行和第 100 列）

img[i].mean() # 第 i 行所有数值的平均值

img[:,-1] # 最后一列

img[-2,:] (or im[-2]) # 倒数第二行