学习使用Photoshop对图像进行初步处理，并应用python、matlab软件对图像进行进一步处理

最新推荐文章于 2024-04-27 17:33:21 发布
最新推荐文章于 2024-04-27 17:33:21 发布
阅读量1.2k 收藏 1
点赞数 1
文章标签： photoshop 学习 python matlab 图像处理
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_51273386/article/details/125669398
版权

任务一：使用Photoshop软件，阅读相关帮助，调整一幅图像的各种参数，进行存储格式 转换、缩放、加减、反色、对比度调整等操作，撰写报告。

1.1图像存储格式转换

选择一张图片original.jpg

 

新建一个它的副本命名为副本.jpg用以操作并通过Photoshop打开

 

在文件一栏选择导出-导出为选项

 

选择以PNG格式导出

 

图像存储格式转换成功，导出图像为

 

1.2图像缩放

打开副本图像，在图像栏选择工具图像大小

 

调整图像的尺寸，调整宽度与高度将其缩小，默认情况下宽高比已锁定

 

将其导出

 

导出图像为

 

放大同理，在图像大小中调整宽度与高度

 

放大后图像为

1.3图像的加减

以副本图像为背景，选择文件栏-置入嵌入对象，选择一张纯蓝色的图片

 

调整嵌入图像的方位

 

 

 

单击嵌入的纯蓝色图层，设置嵌入的混合模式属性为-叠加

 

然后导出，导出图片如下

 

继续设置蓝色图层嵌入的混合模式属性，设置为-减去

 

减去后效果如下

 

 

 

1.4图像的反色

打开副本文件，在图像栏选择调整-反相

 

得到的便是图像的反色

 

1.5图像对比度调整

打开副本，在图像栏选择-调整-亮度/对比度

调整对比度数值

 

将对比度增大后图像如下

 

任务二：在Matlab、C++、Python语言中选用两种编程实现：读入、存储、显示bmp格式的图像，并展示图像直方图。

MATLAB语言

为了显示方便我将不同深度图片的操作从条件判断中抽取出来分别罗列，下面为每一深度图片的操作说明，将所有程序顺序链接就是总程序，并且我在其中设置了操作提示符，方便阅读时按下回车后再进行下一深度图片的操作

  1. 读取深度为1bit图片并进行相关操作

          读取的图片                                   存储的图片

 

            

显示的图片                                    直方图    

 

 

程序说明：1位深度的图片以及4位、8位都存在的难点是在读取图片数据后进行矩阵的构造时宽度需要做4位字节的修正，MATLAB方便之处在于可以使用fread(bmp,'ubit1')直接进行按位的读取，按1bit读取后0和1分别表示黑和白，再将1转化为255即可对像素进行操作得到图像，再使用imshow函数和imwrite函数进行图像的显示和存储，对于1bit的图片可以直接使用bar画出直方图

input('我们先从1位bmp开始，请按回车')

bmp=fopen('1.bmp');%打开文件

type=fread(bmp,2,'char');%位图类别

bmpsize=fread(bmp,1,'long');%文件大小

bfReserved1and2=fread(bmp,1,'long');

bfOffBits=(fread(bmp,1,'long'));%图像数据地址

biSize=fread(bmp,1,'long');%结构体大小

biWidth=fread(bmp,1,'long');%像素宽

biHeight=fread(bmp,1,'long');%像素高

biPlanes=fread(bmp,1,'short');

biBitCount=fread(bmp,1,'short');%像素深度，下面用来判断

biCompression=fread(bmp,1,'long');%压缩方式

biSizeImage=fread(bmp,1,'long');%像素数据大小，是4的倍数

biXPelsPerMeter=fread(bmp,1,'long');%水平分辨率

biYPelsPerMeter=fread(bmp,1,'long');%垂直分辨率

biClrUsed=fread(bmp,1,'long');

biClrImportant=fread(bmp,1,'long');

fclose(bmp);



if biBitCount==1%判断此确实是1bit的图

    bmpsize=8*bmpsize;%从byte到bit的修正

    bfOffBits=8*bfOffBits;

    biSizeImage=8*biSizeImage;

    bmp=fopen('1.bmp','rb');%重新打开文件读入

    [data,count]=fread(bmp,'ubit1');%以1bit为单位读入

    img=reshape(data(bfOffBits+1:bfOffBits+biHeight*(ceil(biWidth/32))*32),biWidth+20,biHeight);

    %上面将图像像素重新排成宽度*高度的矩阵

    img=logical(img);%转化成零和一，因为不知道用double会不会有问题

    img=img';%转置

    img=flipud(img);%上下颠倒

    img=img(:,1:biWidth);%由于在宽度有4个像素要求的补位，所以在这里删除多余

    imshow(img);%展示图片

    imwrite(img,'p1.bmp');%存储图片

    number=zeros(1,256);%开始做直方图，由于1bit只有黑和白比较特殊

    for i=1:biHeight

    for j=1:biWidth

    for index=0:1

    if img(i,j)==index

        number(1,index*255+1)=number(1,index*255+1)+1;%这里把黑和白从0和1转换过来

    end

    end

    end

    end

    figure

    bar([0:255],number);%作图

end

input('下面我们进行4位bmp的操作，请按回车')%防止图像直接关闭并展示接下来的内容

close all

  1. 读取深度为4bit图片并进行相关操作

读取的图片                              存储的图片

  

 

 

 

 

显示的图片                                     直方图

 

 

程序说明：和1bit的图片相比，4bit的图片在读取表头信息时需要读取一个16*4的调色板，其中16*3分别代表RGB中的一种颜色，剩余列位保留列，一般输出为0。而后以4bit为单位进行像素数据的读取再对应到调色板可以得到各个像素RGB值，构建三维矩阵，在使用ceil将4位字节的宽度对齐后可以得到图像，显示和存储同样使用imshow和imwrite，在直方图的构造时用rgb2gray进行灰度的转化再使用傻瓜查重法进行累计，画出直方图。

bmp=fopen('4.bmp');%打开图后操作与上面一致，先读入表头信息

type=fread(bmp,2,'char');

bmpsize=fread(bmp,1,'long');

bfReserved1and2=fread(bmp,1,'long');

bfOffBits=(fread(bmp,1,'long'));

biSize=fread(bmp,1,'long');

biWidth=fread(bmp,1,'long');

biHeight=fread(bmp,1,'long');

biPlanes=fread(bmp,1,'short');

biBitCount=fread(bmp,1,'short');

biCompression=fread(bmp,1,'long');

biSizeImage=fread(bmp,1,'long');

biXPelsPerMeter=fread(bmp,1,'long');

biYPelsPerMeter=fread(bmp,1,'long');

biClrUsed=fread(bmp,1,'long');

biClrImportant=fread(bmp,1,'long');

size=16;%4位和8位拥有调色板，下面读入调色板信息，放进rgb矩阵中

rgb=zeros(size,4);

for i=1:size

    rgb(i,1)=fread(bmp,1);

    rgb(i,2)=fread(bmp,1);

    rgb(i,3)=fread(bmp,1);

    rgb(i,4)=fread(bmp,1);

end

fclose(bmp);



if biBitCount==4%再次判断这次读的图片是4bit的

    bmp=fopen('4.bmp','rb');

    img=uint8(zeros(biHeight,(ceil(biWidth/8)*8),3));%把默认的double转换成uint8，并对4像素要求进行修正

    for i=1:bfOffBits%把头文件信息部分读完，跳到图片信息

        fread(bmp,1);

    end

    for ni=biHeight:-1:1

        for nj=1:(ceil(biWidth/8)*8)

            temp=fread(bmp,1,'ubit4=>uint8')+1;%以4bit为单位读入

            img(ni,nj,3)=rgb(temp,1);%把信息对应到之前的调色板

            img(ni,nj,2)=rgb(temp,2);

            img(ni,nj,1)=rgb(temp,3);

        end

    end

    fclose(bmp);

    figure;

    imshow(img);

    imwrite(img,'p4.bmp');

    number=zeros(1,256);

    gray=rgb2gray(img);%做rgb整体的直方图，分别做也是可以的

    for i=1:biHeight

    for j=1:biWidth

    for index=0:255

    if gray(i,j)==index%傻瓜查重

        number(1,index+1)=number(1,index+1)+1;

    end

    end

    end

    end

    figure

    bar([0:255],number);

end

input('下面我们进行8位bmp的操作，请按回车')

close all

  1. 读取深度为8bit图片并进行相关操作

读取的图片                           存储的图片

 

 

 

显示的图片                                    直方图

 

 

程序说明：8位和4位的区别仅仅在于8位的调色板是256*4的，在像素读取时以字节为单位读取即可

bmp=fopen('8.bmp');%依旧是读入

type=fread(bmp,2,'char');

bmpsize=fread(bmp,1,'long');

bfReserved1and2=fread(bmp,1,'long');

bfOffBits=(fread(bmp,1,'long'));

biSize=fread(bmp,1,'long');

biWidth=fread(bmp,1,'long');

biHeight=fread(bmp,1,'long');

biPlanes=fread(bmp,1,'short');

biBitCount=fread(bmp,1,'short');

biCompression=fread(bmp,1,'long');

biSizeImage=fread(bmp,1,'long');

biXPelsPerMeter=fread(bmp,1,'long');

biYPelsPerMeter=fread(bmp,1,'long');

biClrUsed=fread(bmp,1,'long');

biClrImportant=fread(bmp,1,'long');

size=256;%这里调色板是2的8次方的，颜色更丰富了

rgb=zeros(size,4);

for i=1:size

    rgb(i,1)=fread(bmp,1);

    rgb(i,2)=fread(bmp,1);

    rgb(i,3)=fread(bmp,1);

    rgb(i,4)=fread(bmp,1);

end

fclose(bmp);



if biBitCount==8%还是判断

    bmp=fopen('8.bmp','rb');

    img=uint8(zeros(biHeight,biWidth,3));

    for i=1:bfOffBits

        fread(bmp,1);

    end

    for ni=biHeight:-1:1

        for nj=1:biWidth

            temp=fread(bmp,1,'uint8=>uint8')+1;%这里以8bit为单位读入并存储为uint8格式

            img(ni,nj,3)=rgb(temp,1);

            img(ni,nj,2)=rgb(temp,2);

            img(ni,nj,1)=rgb(temp,3);

        end

    end

    fclose(bmp);

    figure;

    imshow(img);

    imwrite(img,'p8.bmp');

    number=zeros(1,256);

    gray=rgb2gray(img);

    for i=1:biHeight

    for j=1:biWidth

    for index=0:255

    if gray(i,j)==index

        number(1,index+1)=number(1,index+1)+1;

    end

    end

    end

    end

    figure

    bar([0:255],number);

end

input('下面我们进行16位bmp的操作，请按回车')

close all

  1. 读取深度为16bit图片并进行相关操作

               读取的图片                              存储的图片

  

 

 

显示的图像                               直方图

         

 

程序说明：16bit的图像就没有调色板了，在读取时读取16bit也就是两个字节再以555的方式分配到RGB，剩余的1bit留空，也有图像是565的形式，这里我们在读取头目录的时候了解了解压方式和读取方式，之后在读取时确认是以555的方式读取再转化为uint8的格式进行存储和显示，之后的操作与之前一致。

bmp=fopen('16.bmp');

type=fread(bmp,2,'char');

bmpsize=fread(bmp,1,'long');

bfReserved1and2=fread(bmp,1,'long');

bfOffBits=(fread(bmp,1,'long'));

biSize=fread(bmp,1,'long');

biWidth=fread(bmp,1,'long');

biHeight=fread(bmp,1,'long');

biPlanes=fread(bmp,1,'short');

biBitCount=fread(bmp,1,'short');

biCompression=fread(bmp,1,'long');

biSizeImage=fread(bmp,1,'long');

biXPelsPerMeter=fread(bmp,1,'long');

biYPelsPerMeter=fread(bmp,1,'long');

biClrUsed=fread(bmp,1,'long');

biClrImportant=fread(bmp,1,'long');

fclose(bmp);

%16位这里就没有调色板啦



if biBitCount==16

    bmp=fopen('16.bmp','rb');

    img=uint8(zeros(biHeight,biWidth,3));

    %经过查阅，16位有555和565的格式，我们实例的图片是555所以做的也是555bit的

    for i=1:bfOffBits

        fread(bmp,1);

    end

    for ni=biHeight:-1:1

        for nj=1:biWidth%555意思就是5位r，5位g，5位b，

            temp=fread(bmp,1,'ubit5=>uint8')+1;%以5bit为单位读入再存为uint8格式

            img(ni,nj,3)=temp*8;

            temp=fread(bmp,1,'ubit5=>uint8')+1;

            img(ni,nj,2)=temp*8;

            temp=fread(bmp,1,'ubit5=>uint8')+1;

            img(ni,nj,1)=temp*8;

            temp=fread(bmp,1,'ubit1=>uint8')+1;

        end

    end

    fclose(bmp);

    figure;

    imshow(img);

    imwrite(img,'p16.bmp');

    number=zeros(1,256);

    gray=rgb2gray(img);

    for i=1:biHeight

    for j=1:biWidth

    for index=0:255

    if gray(i,j)==index

        number(1,index+1)=number(1,index+1)+1;

    end

    end

    end

    end

    figure

    bar([0:255],number);

end

input('下面我们进行24位bmp的操作，请按回车')

close all

  1. 读取深度为24bit图片并进行相关操作

读取的图片                             存储的图片

  

 

 

显示的图片                              直方图

                                           

 

 

程序说明：24bit图像直接读取三字节的RGB信息，对应到RGB矩阵中即可完成接下来的操作

bmp=fopen('24.bmp');

type=fread(bmp,2,'char');

bmpsize=fread(bmp,1,'long');

bfReserved1and2=fread(bmp,1,'long');

bfOffBits=(fread(bmp,1,'long'));

biSize=fread(bmp,1,'long');

biWidth=fread(bmp,1,'long');

biHeight=fread(bmp,1,'long');

biPlanes=fread(bmp,1,'short');

biBitCount=fread(bmp,1,'short');

biCompression=fread(bmp,1,'long');

biSizeImage=fread(bmp,1,'long');

biXPelsPerMeter=fread(bmp,1,'long');

biYPelsPerMeter=fread(bmp,1,'long');

biClrUsed=fread(bmp,1,'long');

biClrImportant=fread(bmp,1,'long');

fclose(bmp);



if biBitCount==24

    bmp=fopen('24.bmp','rb');

    img=uint8(zeros(biHeight,biWidth,3));

    for i=1:bfOffBits

        fread(bmp,1);

    end

    for ni=biHeight:-1:1

        for nj=1:biWidth

            img(ni,nj,3)=fread(bmp,1);

            img(ni,nj,2)=fread(bmp,1);

            img(ni,nj,1)=fread(bmp,1);

        end

    end

    fclose(bmp);

    figure;

    imshow(img);

    imwrite(img,'p24.bmp');

    number=zeros(1,256);

    gray=rgb2gray(img);

    for i=1:biHeight

    for j=1:biWidth

    for index=0:255

    if gray(i,j)==index

        number(1,index+1)=number(1,index+1)+1;

    end

    end

    end

    end

    figure

    bar([0:255],number);

end

input('由此，1位，4位，8位，16位，24位的图像都操作完毕，请按回车')

close all

Python语言

同样为了显示方便，下面为每一深度图片的操作说明，将所有程序顺序链接就是总程序，并且在其中设置了操作提示符，方便阅读时按下回车后再进行下一深度图片的操作，python的处理思路和MATLAB语言一样，但python在读取到bit即从字节读取到位需要先进行二进制到十进制的转换，再对2的各个次方用除法得到各个位的0或1数值

  1. 读取深度为1bit图片并进行相关操作

读取的图片                               存储的图片

 

 

 

显示的图片                              直方图

 

                                            

 

程序说明：首先引用相关数字处理和图像存储显示的库，用unpack函数对二进制进行十进制转化读取图片的信息，创建三维列表记录图像像素的RGB值，对于1bit的图像在按字节读取后一字节对应了8个像素的信息，用pow函数进行次方求解得到像素信息，把0对应000，1对应255 255 255，得到RGB列表后转化为uint8格式进行显示和存储，再分别对RGB画出直方图

from struct import unpack#用以对读入进行字节的操作

import cv2#用以存储，显示和直方图的显示

import numpy as np#用以对cv2输出图像的辅助

from matplotlib import pyplot as plt

import math#打开文件

with open('p1.bmp','rb') as bmp:#首先进行的是1位图像的操作，先读取信息头

    bmptype=unpack("<h",bmp.read(2))[0]#位图类别

    bmpsize=unpack("<i",bmp.read(4))[0]#文件大小

    bfReserved1and2=unpack("<i",bmp.read(4))[0]

    bfOffBits=unpack("<i",bmp.read(4))[0]#图像数据地址

    biSize=unpack("<i",bmp.read(4))[0]#结构体大小

    biWidth=unpack("<i",bmp.read(4))[0]#像素宽

    biHeight=unpack("<i",bmp.read(4))[0]#像素高

    biPlanes=unpack("<h",bmp.read(2))[0]

    biBitCount=unpack("<h",bmp.read(2))[0]#像素深度，下面用来判断

    biCompression=unpack("<i",bmp.read(4))[0]#压缩方式

    biSizeImage=unpack("<i",bmp.read(4))[0]#像素数据大小，是4的倍数

    biXPelsPerMeter=unpack("<i",bmp.read(4))[0]

    biYPelsPerMeter=unpack("<i",bmp.read(4))[0]

    biClrUsed=unpack("<i",bmp.read(4))[0]

    biClrImportant=unpack("<i",bmp.read(4))[0]

    

if biBitCount==1:#在确认读取的是1bit的图片后进行图像的读取

    with open('p1.bmp','rb') as bmp:

        img=[]#创建三维的RGB矩阵用来存储图像

        for i in range(biHeight):

            img.append([])

            for j in range(math.ceil(biWidth/32)*32):

                img[i].append([])

                for k in range(3):

                    img[i][j].append(0)

        for i in range(bfOffBits):#读取到图像数据的位置，下面开始记录

            temp=unpack("<B",bmp.read(1))[0]

        for ni in range(biHeight-1,0,-1):

            for nj in range (math.ceil(biWidth/32)*4):#做一个四位字节的修正

                temp=unpack("<B",bmp.read(1))[0]#以字节为单位读取，再转化为8个像素的值

                t=0

                for i in range(8,0,-1):

                    t=int(temp/pow(2,i-1))

                    temp-=int(temp/pow(2,i-1))*pow(2,i-1)

                    if t==0:#把0和1转化为RGB中的黑白

                        img[ni][nj*8+8-i][0]=0

                        img[ni][nj*8+8-i][1]=0

                        img[ni][nj*8+8-i][2]=0

                    elif t==1:

                        img[ni][nj*8+8-i][0]=255

                        img[ni][nj*8+8-i][1]=255

                        img[ni][nj*8+8-i][2]=255

                

imga= np.array(img,dtype=np.uint8)#把img列表转化为uint8格式

cv2.imshow('imga',imga)#显示图片

cv2.waitKey(0)#做一个0的停留，使得使用者使用时可以关闭窗口

cv2.imwrite('py1.bmp', imga)#存储图片

color=('blue','green','red')#在matlab中做了总的灰度值，这里分别显示RGB的直方图

for i,color in enumerate(color):#将RGB对应到直方图中各自的颜色

    hist=cv2.calcHist(imga,[i],None,[256],[0,256])

    plt.plot(hist,color=color)

    plt.xlim([0,256])

plt.show()

input('下面进行4bit图像的操作，请按回车')

  1. 读取深度为4bit图片并进行相关操作

读取的图像                            存储的图像

  

 

 

显示图像                               直方图

                                        

 

 

程序说明：总体思路和matlab一致，程序上在读取一个字节转化成两个4bit时用两个变量分别存储

 with open('4.bmp','rb') as bmp:

    bmptype=unpack("<h",bmp.read(2))[0]

    bmpsize=unpack("<i",bmp.read(4))[0]

    bfReserved1and2=unpack("<i",bmp.read(4))[0]

    bfOffBits=unpack("<i",bmp.read(4))[0]

    biSize=unpack("<i",bmp.read(4))[0]

    biWidth=unpack("<i",bmp.read(4))[0]

    biHeight=unpack("<i",bmp.read(4))[0]

    biPlanes=unpack("<h",bmp.read(2))[0]

    biBitCount=unpack("<h",bmp.read(2))[0]

    biCompression=unpack("<i",bmp.read(4))[0]

    biSizeImage=unpack("<i",bmp.read(4))[0]

    biXPelsPerMeter=unpack("<i",bmp.read(4))[0]

    biYPelsPerMeter=unpack("<i",bmp.read(4))[0]

    biClrUsed=unpack("<i",bmp.read(4))[0]

    biClrImportant=unpack("<i",bmp.read(4))[0]

    size=16;#读取调色板

    rgb=[]

    for i in range(size):

        rgb.append([])

        for j in range(4):

            rgb[i].append(0)

    for i in range(size):#分别对应RGB和一列的留空

        rgb[i][0]=unpack("<B",bmp.read(1))[0]

        rgb[i][1]=unpack("<B",bmp.read(1))[0]

        rgb[i][2]=unpack("<B",bmp.read(1))[0]

        rgb[i][3]=unpack("<B",bmp.read(1))[0]



if biBitCount==4:#再次确定图像深度

    with open('4.bmp','rb') as bmp:

        img=[]

        for i in range(biHeight):

            img.append([])

            for j in range(math.ceil(biWidth/8)*8):#对4个字节长度进行修正

                img[i].append([])

                for k in range(3):

                    img[i][j].append(0)

        for i in range(bfOffBits):

            temp=unpack("<B",bmp.read(1))[0]

        for ni in range(biHeight-1,0,-1):

            for nj in range (math.ceil(biWidth/8)*4):#宽度读取时的修正

                temp1=unpack("<B",bmp.read(1))[0]#以字节读取，下面拆分成两个像素的内容

                t1=0

                t2=0

                for i in range(4,0,-1):

                    t1+=int(temp1/pow(2,i+3))*pow(2,i-1)

                    temp1-=int(temp1/pow(2,i+3))*pow(2,i+3)

                for i in range(4,0,-1):

                    t2+=int(temp1/pow(2,i-1))*pow(2,i-1)

                    temp1-=int(temp1/pow(2,i-1))*pow(2,i-1)

                img[ni][nj*2][0]=rgb[t1][0]#将读取的数值对应到调色板

                img[ni][nj*2][1]=rgb[t1][1]

                img[ni][nj*2][2]=rgb[t1][2]

                img[ni][nj*2+1][0]=rgb[t2][0]

                img[ni][nj*2+1][1]=rgb[t2][1]

                img[ni][nj*2+1][2]=rgb[t2][2]

                

                

imga= np.array(img,dtype=np.uint8)

cv2.imshow('imga',imga)

cv2.waitKey(0)

cv2.imwrite('py4.bmp', imga)

color=('blue','green','red')

for i,color in enumerate(color):

    hist=cv2.calcHist(imga,[i],None,[256],[0,256])

    plt.plot(hist,color=color)

    plt.xlim([0,256])

plt.show()

input('下面进行8bit图像的操作，请按回车')

  1. 读取深度为8bit图片并进行相关操作

              读取的图像                              存储的图像

  

 

 

显示的图像                               直方图

  

 

 

程序说明：读取256*4的调色板，再按字节操作即可

with open('8.bmp','rb') as bmp:

    bmptype=unpack("<h",bmp.read(2))[0]

    bmpsize=unpack("<i",bmp.read(4))[0]

    bfReserved1and2=unpack("<i",bmp.read(4))[0]

    bfOffBits=unpack("<i",bmp.read(4))[0]

    biSize=unpack("<i",bmp.read(4))[0]

    biWidth=unpack("<i",bmp.read(4))[0]

    biHeight=unpack("<i",bmp.read(4))[0]

    biPlanes=unpack("<h",bmp.read(2))[0]

    biBitCount=unpack("<h",bmp.read(2))[0]

    biCompression=unpack("<i",bmp.read(4))[0]

    biSizeImage=unpack("<i",bmp.read(4))[0]

    biXPelsPerMeter=unpack("<i",bmp.read(4))[0]

    biYPelsPerMeter=unpack("<i",bmp.read(4))[0]

    biClrUsed=unpack("<i",bmp.read(4))[0]

    biClrImportant=unpack("<i",bmp.read(4))[0]

    size=256;#读取调色板

    rgb=[]

    for i in range(size):

        rgb.append([])

        for j in range(4):

            rgb[i].append(0)

    for i in range(size):

        rgb[i][0]=unpack("<B",bmp.read(1))[0]

        rgb[i][1]=unpack("<B",bmp.read(1))[0]

        rgb[i][2]=unpack("<B",bmp.read(1))[0]

        rgb[i][3]=unpack("<B",bmp.read(1))[0]



if biBitCount==8:

    with open('8.bmp','rb') as bmp:

        img=[]

        for i in range(biHeight):

            img.append([])

            for j in range(biWidth):

                img[i].append([])

                for k in range(3):

                    img[i][j].append(0)

        for i in range(bfOffBits):

            temp=unpack("<B",bmp.read(1))[0]

        for ni in range(biHeight-1,0,-1):

            for nj in range(biWidth):

                temp=unpack("<B",bmp.read(1))[0]#将数值对应到调色板

                img[ni][nj][0]=rgb[temp][0]

                img[ni][nj][1]=rgb[temp][1]

                img[ni][nj][2]=rgb[temp][2]

                

imga= np.array(img,dtype=np.uint8)

cv2.imshow('imga',imga)

cv2.waitKey(0)

cv2.imwrite('py8.bmp', imga)

color=('blue','green','red')

for i,color in enumerate(color):

    hist=cv2.calcHist(imga,[i],None,[256],[0,256])

    plt.plot(hist,color=color)

    plt.xlim([0,256])

plt.show()

input('下面进行16bit图像的操作，请按回车')

  1. 读取深度为16bit图片并进行相关操作

读取的图片                         存储的图片

 

 

 

              显示的图片                               直方图

 

 

 

程序说明：在读取16位也就是两个字节为一个像素的RGB时要将两个字节顺序调换，再删去调换后第一个字节的头一个bit，再将剩余的15个bit平均分给RGB

with open('16.bmp','rb') as bmp:

    bmptype=unpack("<h",bmp.read(2))[0]

    bmpsize=unpack("<i",bmp.read(4))[0]

    bfReserved1and2=unpack("<i",bmp.read(4))[0]

    bfOffBits=unpack("<i",bmp.read(4))[0]

    biSize=unpack("<i",bmp.read(4))[0]

    biWidth=unpack("<i",bmp.read(4))[0]

    biHeight=unpack("<i",bmp.read(4))[0]

    biPlanes=unpack("<h",bmp.read(2))[0]

    biBitCount=unpack("<h",bmp.read(2))[0]

    biCompression=unpack("<i",bmp.read(4))[0]

    biSizeImage=unpack("<i",bmp.read(4))[0]

    biXPelsPerMeter=unpack("<i",bmp.read(4))[0]

    biYPelsPerMeter=unpack("<i",bmp.read(4))[0]

    biClrUsed=unpack("<i",bmp.read(4))[0]

    biClrImportant=unpack("<i",bmp.read(4))[0]





if biBitCount==16:

    with open('16.bmp','rb') as bmp:

        img=[]

        for i in range(biHeight):

            img.append([])

            for j in range(biWidth):

                img[i].append([])

                for k in range(3):

                    img[i][j].append(0)

        for i in range(bfOffBits):

            temp=unpack("<B",bmp.read(1))[0]

        for ni in range(biHeight-1,0,-1):

            for nj in range(biWidth):

                temp1=unpack("<B",bmp.read(1))[0]#读取两个字节

                temp2=unpack("<B",bmp.read(1))[0]

                temp2-=int(temp2/pow(2,7))*pow(2,7)#根据16位图像特性调换两个字节顺序并删去第一个bit再按555的方式读取

                for i in range(5,0,-1):

                    img[ni][nj][2]+=int(temp2/pow(2,i+1))*pow(2,i-1)

                    temp2-=int(temp2/pow(2,i+1))*pow(2,i+1)

                for i in range(2,0,-1):

                    img[ni][nj][1]+=int(temp2/pow(2,i-1))*pow(2,i+1)

                    temp2-=int(temp2/pow(2,i-1))*pow(2,i-1)

                for i in range(3,0,-1):

                    img[ni][nj][1]+=int(temp1/pow(2,i+4))*pow(2,i-1)

                    temp1-=int(temp1/pow(2,i+4))*pow(2,i+4)

                for i in range(5,0,-1):

                    img[ni][nj][0]+=int(temp1/pow(2,i-1))*pow(2,i-1)

                    temp1-=int(temp1/pow(2,i-1))*pow(2,i-1)

                img[ni][nj][0]*=8#对颜色进行修正

                img[ni][nj][1]*=8

                img[ni][nj][2]*=8

                

imga= np.array(img,dtype=np.uint8)

cv2.imshow('imga',imga)

cv2.waitKey(0)

cv2.imwrite('py16.bmp', imga)

color=('blue','green','red')

for i,color in enumerate(color):

    hist=cv2.calcHist(imga,[i],None,[256],[0,256])

    plt.plot(hist,color=color)

    plt.xlim([0,256])

plt.show()

input('下面进行24bit图像的操作，请按回车')

  1. 读取深度为16bit图片并进行相关操作

读取的图片                                    存储的图片

                          

             显示的图片                                 直方图

 

 

 

程序说明：

with open('24.bmp','rb') as bmp:#打开文件

    bmptype=unpack("<h",bmp.read(2))[0]

    bmpsize=unpack("<i",bmp.read(4))[0]

    bfReserved1and2=unpack("<i",bmp.read(4))[0]

    bfOffBits=unpack("<i",bmp.read(4))[0]

    biSize=unpack("<i",bmp.read(4))[0]

    biWidth=unpack("<i",bmp.read(4))[0]

    biHeight=unpack("<i",bmp.read(4))[0]

    biPlanes=unpack("<h",bmp.read(2))[0]

    biBitCount=unpack("<h",bmp.read(2))[0]

    biCompression=unpack("<i",bmp.read(4))[0]

    biSizeImage=unpack("<i",bmp.read(4))[0]

    biXPelsPerMeter=unpack("<i",bmp.read(4))[0]

    biYPelsPerMeter=unpack("<i",bmp.read(4))[0]

    biClrUsed=unpack("<i",bmp.read(4))[0]

    biClrImportant=unpack("<i",bmp.read(4))[0]





if biBitCount==24:

    with open('24.bmp','rb') as bmp:

        img=[]

        for i in range(biHeight):

            img.append([])

            for j in range(biWidth):

                img[i].append([])

                for k in range(3):

                    img[i][j].append(0)

        for i in range(bfOffBits):

            temp=unpack("<B",bmp.read(1))[0]

        for ni in range(biHeight-1,0,-1):

            for nj in range(biWidth):

                img[ni][nj][0]=unpack("<B",bmp.read(1))[0]

                img[ni][nj][1]=unpack("<B",bmp.read(1))[0]

                img[ni][nj][2]=unpack("<B",bmp.read(1))[0]

                

imga= np.array(img,dtype=np.uint8)

cv2.imshow('imga',imga)

cv2.waitKey(0)

cv2.imwrite('py24.bmp', imga)

color=('blue','green','red')

for i,color in enumerate(color):

    hist=cv2.calcHist(imga,[i],None,[256],[0,256])

    plt.plot(hist,color=color)

    plt.xlim([0,256])

plt.show()

input('操作结束，请按回车，感谢使用')

猩猩嘿嘿嘿
关注
  • 1
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
图像处理大作业 使用python实现简易PS
01-10
使用python tkinter库实现了一个简易的GUI 实现基本图像处理功能。里面配合了python的opencv2等库的使用，GUI实现得比较简单，但是图像处理的基本功能都有
基于Python和OpenCV实现图像的全景拼接
半濠春水的博客
10-02 8682
基本介绍 图像的全景拼接，即为“缝合”两张具有重叠区域的图来创建一张全景图。其中用到了计算机视觉和图像处理技术有：关键点检测、局部不变特征、关键点匹配、RANSAC(Random Sample Consensus，随机采样一致性)和透视变形。 具体步骤 （1）检测左右两张图像的SIFT关键特征点，并提取局部不变特征 ； （2）使用knnMatch检测来自右图(左图)的SIFT特征，与左图(右图)进行匹配 ； （3）计算视角变换矩阵H，用变换矩阵H对右图进行扭曲变换； （4）将左图(右图)加入到变换后的图像.
matlab批量裁剪图像并保存,用Photoshop和matlab对图片进行批量裁剪处理
weixin_39736606的博客
03-16 759
未标题-1.jpgPhotoshop将要裁减的图片一股脑全拉到PS里菜单栏里找到：窗口-动作。调出动作窗口，或者可以用快捷键ALT+F9呼出。点击红色方框里的图标，建立一组新的动作1.png可以简单写一个自己能认得出来的名字2.png点击记录之后，PS就会记录你之后所执行的一系列操作：随便挑选一张打开了的图片，将画布按照想要的方式，裁剪成指定大小，然后另存在另外一个文件夹里，关闭当前窗口。对一张图...
PS图层混合模式MATLAB实现
HPC_ZY
08-25 3304
Photosh图层叠加模式的原因及MATLAB实现。 因为需要批量处理图像，而PS好像只能一张张人工操作，想把PS中一系列操作改写成代码。所以开始探索PS中各个功能背后的原理。记录并分享在这里。
python 多张图片拼接成一张
tigerlib的博客
01-10 7040
# coding=utf-8 from PIL import Image, ImageDraw, ImageFont import cv2 import numpy as np def jigsaw(imgs, direction="horizontal"): imgs = [Image.fromarray(img) for img in imgs] w, h = imgs[0].size if direction == "horizontal": result
chatgpt赋能python：Python实现图片拼接：让你的照片更加自由
findyi123的博客
05-29 889
本文由chatgpt生成，文章没有在chatgpt生成的基础上进行任何的修改。以上只是chatgpt能力的冰山一角。作为通用的Aigc大模型，只是展现它原本的实力。对于颠覆工作方式的ChatGPT，应该选择拥抱而不是抗拒，未来属于“会用”AI的人。🧡AI职场汇报智能办公文案写作效率提升教程 🧡专注于AI+职场+办公方向。下图是课程的整体大纲下图是AI职场汇报智能办公文案写作效率提升教程中用到的ai工具。
Python计算机视觉（三）—图像拼接
热门推荐
summer_524的博客
05-09 1万+
图像拼接是计算机视觉中的重要分支,它是将两幅以上的具有部分重叠的图像进行拼接从而得到较高分辨率或宽视角的图像。本文将结合python+opencv实现两幅图像的拼接。1.根据给定图像/集，实现特征匹配2.通过匹配特征计算图像之间的变换结构3.利用图像变换结构，实现图像映射4.针对叠加后的图像，采用APAP之类的算法，对齐特征点5.通过图割方法，自动选取拼接缝6.根据multi-band blending策略实现融合。
代码 抠图_教你几行Python代码秒杀PS大神，瞬间完成抠图+合成图工作
weixin_39711914的博客
01-12 413
由知乎看到了AI换脸软件Deepfake所受启发，在我现有水平基础上，看看能不能先写一个程序实现抠图，把人像或物象的所要部分抠出来，弄成透明的png图像，也是PS抠图操作的基本流程，现在发现Python完成只要两行代码一秒搞定，好牛，然后就再加工给它添加背景颜色或者高级点添加背景图片合成，这样就达到了“想去哪就去哪”的PS效果，而且是秒杀PS操作，能抢别人的饭碗了，牛批。前...
python——使用cv2拼接图片（含代码）
wenqiwenqi123的博客
02-01 3820
很多时候我们需要把几张图片拼到一起，当然可以使用PS之类的软件来处理，但是使用python更快并且能批量处理。
Ps图片文字处理与python多张图片合成
qq_43186420的博客
05-27 823
Ps图片文字处理与python多张图片合成 一、修改中的文字（先去掉，在修改） （1）先去掉文字 利用修补工具，见图，利用此工具圈住要去除的字，然后往周边环境地区拖，多调整几次使其融入周边的环境中。 去掉小炒小字之后的照片。见图 （2）创建新文字,对文字的修饰：为汉字增加白边。 新建文字图层，右击图层属性，选择混合选项当中的描边。（或者直接利用右下角的fx 选项），选中你所想要的描边效果。 （...
《Photoshop CC图像处理》课程标准.pdf
04-04
《Photoshop CC图像处理》课程标准.pdf《Photoshop CC图像处理》课程标准.pdf《Photoshop CC图像处理》课程标准.pdf《Photoshop CC图像处理》课程标准.pdf《Photoshop CC图像处理》课程标准.pdf《Photoshop CC图像...
Photoshop图像处理高级应用课件项目6海报设计.pptx
11-17
Photoshop图像处理高级应用课件项目6海报设计.pptx
Photoshop图像处理高级应用课件项目3标志制作.pptx
11-13
Photoshop图像处理高级应用课件项目3标志制作.pptx
Photoshop图像处理高级应用课件项目5书籍装帧设计.pptx
11-13
Photoshop图像处理高级应用课件项目5书籍装帧设计.pptx
Photoshop图像处理高级应用课件项目4音乐播放器UI界面设计.pptx
11-13
Photoshop图像处理高级应用课件项目4音乐播放器UI界面设计.pptx
Photoshop 2024 25.4蓝猫版_支持参数滤波器和Ai神经滤镜
峰哥IT-一个专业的互联网工作者
04-23 335
最新的PS 25.4 Beta版新增了参数滤波器（Parametric Filters）功能，而正式版的PS 2024还没有这个功能，只有Beta版才有！这个新的参数滤波器功能与原本的滤镜库功能类似，但是它的成图效果更快、更好看！此外，它还配备了一个专门的参数属性面板，方便你调节各种滤镜参数。Photoshop 2024 (Beta) 蓝猫版v25.4.0(2426)全新功能：支持参数滤波器和AI神经滤镜。参数滤波器目前自带 21 种滤镜效果，每种效果都是不同的艺术风格。
Linux 学习之路 -- 进程篇 -- 进程控制
2302_79538079的博客
04-24 1053
进程控制的简单介绍
Vitis HLS 学习笔记--优化指令-ARRAY_PARTITION
hi94的博客
04-22 1317
ARRAY_PARTITION 指令中非常重要，它用于优化数组的存储和访问。该指令可以将一个大数组分割成多个小数组，以提高并行处理能力和减少访问延迟。
集成学习算法学习笔记
最新发布
m0_46521579的博客
04-27 208
三个臭皮匠顶一个诸葛亮集成学习会考虑多个评估器的建模结果，汇总后得到一个综合的结果，以此来获取比单个模型更好的回归或分类表现。很多独立的机器学习算法：决策树、神经网络、支持向量机集成学习构建了一组基学习器，并将它们综合起来作为最终的模型。在很多集成学习模型中，对基学习器的要求很低。集成学习适用于机器学习的几乎所有领域：回归、分类、推荐和排序。相同的多个基学习器不会带来任何提升，不同的模型取长补短，每个基学习器都会犯不同的错误，综合起来犯错的可能性不大。
数字图像处理许录平pdf
07-31
数字图像处理是指通过计算机技术对图像进行各种处理和分析的过程。它涉及到图像的获取、传输、存储、显示和分析等多个方面。数字图像处理有着广泛的应用领域，包括医学影像处理、卫星图像处理、电视图像处理等。 数字图像处理可以通过多种算法和技术来实现，其中最常见的包括滤波技术、图像增强技术和图像压缩技术。滤波技术可以通过去除图像中的噪声和平滑图像来提高图像的质量。图像增强技术可以通过调整图像的亮度、对比度和色彩等参数来改善图像的视觉效果。图像压缩技术可以将图像的数据进行压缩以减少存储空间和传输带宽。 数字图像处理的实现过程中需要用到许多数学和计算机科学的知识。其中，最基础的是离散傅里叶变换、离散余弦变换和小波变换等数学变换。这些变换可以将图像从时域转换到频域，并在频域中对图像进行处理。在计算机实现过程中，常用的编程语言包括MATLAB、C++和Python等。 数字图像处理可以使用各种软件工具来实现，其中最常用的是Adobe Photoshop、GIMP和ImageJ等软件。这些软件提供了丰富的图像处理功能，并且具有直观的用户界面，方便用户进行图像处理和分析。 总之，数字图像处理是对图像进行计算机处理和分析的过程，它在多个领域具有广泛的应用。通过使用各种算法和技术，可以实现对图像的滤波、增强和压缩等操作。数字图像处理涉及到数学和计算机科学的知识，可以使用各种软件工具来实现。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值