24.7.27学习笔记

（按照老师发的学习计划走）

先学习数字图像处理：

1.单色图像 0-255 黑到白

2.彩色图像：红绿蓝三元组的二维矩阵 0-255

 像元（Pixel，图像元素的简称）是数字图像中最小的单元，代表图像中的一个点。每个像元都有一个特定的颜色和亮度值，组合在一起形成完整的图像。以下是关于像元的一些关键点：

 定义：像元是构成数字图像的基本单元。每个像元通常由多个颜色通道（如红色、绿色和蓝色）组成

• 每个像元的颜色通常用数字表示，这些数字对应于颜色空间中的值。例如，在 RGB 颜色空间中，每个像元可以用三个值（R、G、B）来表示，其中每个值的范围通常是 0 到 255。
• 例如，一个像元的 RGB 值为 (255, 0, 0) 表示该像元是红色

 分辨率

• 图像的分辨率是指图像中像元的数量，通常以宽度 x 高度的形式表示。例如，1920x1080 的分辨率表示图像有 1920 列像元和 1080 行像元。
• 分辨率越高，图像中包含的像元数量越多，图像的细节和清晰度通常也越高。
• RGB 图像：波段数为 3（红色、绿色、蓝色）。

自己实现了两张图片的重叠（代码如下图）

# 导入所需的库
from PIL import Image  # 导入PIL库中的Image模块，用于图像处理
import numpy as np  # 导入NumPy库，用于数组操作

# 读取第一张图像并转换为NumPy数组
im1 = np.array(Image.open(r'D:\study pic\down.jpg'))  # 使用PIL打开图像并转换为NumPy数组

# 将NumPy数组转换回图像对象
im_v = Image.fromarray(im1.astype('uint8'))  # 将数组转换为uint8类型的图像对象
# im_v.show()  # 显示图像（注释掉了）

# 读取第二张图像并转换为NumPy数组
im2 = np.array(Image.open(r'D:\study pic\下载.jpg'))  # 同样的方式读取第二张图像

# 将第二张图像的NumPy数组转换回图像对象
im_v = Image.fromarray(im2.astype('uint8'))  # 将第二张图像的数组转换为uint8类型的图像对象
# im_v.show()  # 显示图像（注释掉了）

# 对两张图像进行简单的平均处理
# np.clip用于确保结果在0到255之间
im_t = np.clip(im1 / 2 + im2 / 2, 0, 255)  # 将两张图像的像素值相加并取平均，确保结果在0到255之间

# 将处理后的数组转换回图像对象
im_v = Image.fromarray(im_t.astype('uint8'))  # 将处理后的数组转换为uint8类型的图像对象

# 显示最终的图像
im_v.show()  # 显示合成后的图像


实现了查看图片的参数，并且进行下采样显示（如下图）

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

1. from skimage import io, data, color：

   • io: 提供了读取和写入图像的功能，比如从文件中读取图像或将图像保存到文件。
   • data: 包含一些示例图像，可以方便地用于测试和演示。
   • color: 提供了图像颜色空间转换的功能，比如将 RGB 图像转换为灰度图像等。

2. import numpy as np：

   • NumPy 是一个用于高效计算的库，特别是处理数组和矩阵。它在图像处理中的应用非常广泛，因为图像通常可以用多维数组来表示。

3. import matplotlib.pyplot as plt：

   • Matplotlib 是一个用于绘制图形的库，pyplot 是其中一个模块，提供了类似 MATLAB 的绘图接口。它常用于可视化数据和图像。

# 读取图像

img = io.imread(r'D:\study pic\down.jpg')

# 显示图像（只显示一次）

plt.figure()  # 创建一个新的图形窗口
plt.imshow(img)  # 这行代码将图像img显示在当前的图形窗口中，并不会直接显示
plt.axis('off')  # 关闭坐标轴的显示
plt.show()  # 显示图形窗口中的内容（显示图像

# 打印图像信息

print(f'type: {type(img)}')  # 打印图像类型

print(f'shape: {img.shape}')  # 打印图像形状

print(f'width: {img.shape[1]}')  # 图像宽度

print(f'height: {img.shape[0]}')  # 图像高度

print(f'bands: {img.shape[2] if img.ndim == 3 else 1}')  # 图像通道数（如果是灰度图，则为1）

print(f'size: {img.size}')  # 图像总像素数

print(f'maxValue: {img.max()}')  # 最大像素值

print(f'minValue: {img.min()}')  # 最小像素值

print(f'meanValue: {img.mean()}')  # 平均像素值

# 获取特定像素值

pixel = img[203, 1]  # 注意：这里的索引应为 [y, x]

print(f'pixelValue: {pixel}')  # 打印特定像素值

print(f'type(pixel): {type(pixel)}')  # 打印像素值类型

# 进行图像切片并显示，会显示三次，第一次原图，第二次第三次都会变矮

for step in [0, 1, 2]:

    r = img[::step + 1]  # 这里使用 step + 1 以避免除以零的错误。暂时还不理解

    plt.figure()

    plt.imshow(r, cmap='gray')  # 使用灰度色图显示

    plt.axis('off')  # 关闭坐标轴

    plt.show()  #显示图像

背了六级单词