01_Numpy的图片处理（读取，变换，保存）

最新推荐文章于 2023-12-12 14:04:35 发布
最新推荐文章于 2023-12-12 14:04:35 发布
阅读量2.6w 收藏 153
点赞数 32
分类专栏： Numpy 文章标签： python numpy
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/qq_18351157/article/details/103730014
版权

Numpy的图片处理（读取，变换，保存）

使用Numpy的ndarray可以读取图片文件，并且可以对图片进行各种各样的处理。
例如：图片像素值的读取，替换，随机剪裁，拼接等等都可以使用ndarray。对于已经习惯使用Numpy的人们来说，已经可以不使用OpenCV进行图像处理。

即便是使用OpenCV进行图片处理的时候，OpenCV图像的读取也是使用的ndarray形式，所以直接使用Numpy将会更加的方便与快捷。

在此：对图片文件的基础读取，保存方法进行介绍

  • Numpy图片文件的读取方法
  • Numpy图片文件的保存方法

和一些Numpy的图像处理的实例进行介绍

  • 像素值的读取和修改
  • 图片的单色化和图片的拼接
  • 减色处理
  • 二值化处理
  • 四则演算
  • 切片修剪
  • 按切片或函数的拆分
  • 切片粘贴
  • Alpha混合和遮罩处理
  • 旋转和上/下/左/右 反转
    等等进行说明。

图片文件读取（Numpy的ndarray形式）

使用以下的图片为例。
在这里插入图片描述
np.array中调用PIL.Image.open()函数进行读取，并且可以查看数据的类型和形状（shape，行(高)，列(宽)，色(通道数)）等信息。
需要注意的是色(通道数)的读取顺序是RGB(红，绿，蓝)。而OpenCV的cv2.imread()的读取顺序是（BGR），稍有不同。

from PIL import Image
import numpy as np

im = np.array(Image.open('./data/01/lena.jpg'))

print(type(im))
# <class 'numpy.ndarray'>

print(im.dtype)
# uint8

print(im.shape)
# (225, 400, 3)

convert(‘L’)函数可以把图片转换成黑白图片（灰度图）之后，将图片作为2维数据进行读取。
此时形状只剩下了行(高)和列(宽)。

im_gray = np.array(Image.open('./data/01/lena.jpg').convert('L'))

print(im_gray.shape)
# (225, 400)

使用np.asarray()同样可以返回得到一个ndarray的数组。但是使用np.array()返回的是一个允许被更改的ndarray，np.asarray()返回的ndarra不允许被更改。

'''np.array()'''
print(im.flags.writeable)
# True

print(im[0, 0, 0])
# 109

im[0, 0, 0] = 0

print(im[0, 0, 0])
# 0
'''np.asarray()'''
im_as = np.asarray(Image.open('./data/01/lena.jpg'))

print(type(im_as))
# <class 'numpy.ndarray'>

print(im_as.flags.writeable)
# False

# im_as[0, 0, 0] = 0
# ValueError: assignment destination is read-only

图片的数据类型是以uint8（8位无符号整型）进行的读取。若想以float类型进行读取时，可以使用astype()进行转换，或者指定np.array()和np.asarray()的第2个参数（指定类型的读取）。

im_f = im.astype(np.float64)
print(im_f.dtype)
# float64

im_f = np.array(Image.open('./data/01/lena.jpg'), np.float64)
print(im_f.dtype)
# float64

图片文件保存（Numpy的ndarray形式）

使用Image.fromarray()函数读取ndarray数据时，可以得到一个PIL.Image类型的文件。再使用save（）函数可以将其保存下来。被保存的文件格式，将根据其指定的扩展名自动进行判别。

pil_img = Image.fromarray(im)
print(pil_img.mode)
# RGB

pil_img.save('./data/01/lena_save_pillow.jpg')

黑白图片的保存也可以。

pil_img_gray = Image.fromarray(im_gray)
print(pil_img_gray.mode)
# L

pil_img_gray.save('./data/01/lena_save_pillow_gray.jpg')

简洁的写法

Image.fromarray(im).save('./data/01/lena_save_pillow.jpg')
Image.fromarray(im_gray).save('./data/01/lena_save_pillow_gray.jpg')

float类型进行保存时，有可能会出现错误。此时，需要将其类型转换成uint8之后，再保存。

# pil_img = Image.fromarray(im_f)
# TypeError: Cannot handle this data type

pil_img = Image.fromarray(im_f.astype(np.uint8))
pil_img.save('./data/01/lena_save_pillow.jpg')

使用astype()进行类型转换保存的时候，不会进行比例的缩放，所以当像素值为0.0-1.0之间的时候，需要先将其乘以255，再保存。

像素值的读取和修改

index[]可以取得指定坐标点的像素值。指定的顺序是行，列。xy的话，y，x的顺序指定。原点（0，0）为图片的左上角。

from PIL import Image
import numpy as np

im = np.array(Image.open('./data/01/lena.jpg'))

print(im.shape)
# (225, 400, 3)

print(im[100, 150])
# [111  81 109]

print(type(im[100, 150]))
# <class 'numpy.ndarray'>

上述的实例中，（y，x）=（100，150）为第100行，150列的像素值。和上述的一样，使用Pillow，ndarray数组读取时，颜色的排列读取顺序为RGB，（R，G，B）=（110，81，109）。

R, G, B = im[100, 150]

print(R)
# 111

print(G)
# 81

print(B)
# 109

index[]指定像素值的读取。

print(im[100, 150, 0])
# 111

print(im[100, 150, 1])
# 81

print(im[100, 150, 2])
# 109

修改像素值的时候，可以RGB三色同时进行修改，或者单色修改。

im[100, 150] = (0, 50, 100)

print(im[100, 150])
# [  0  50 100]

im[100, 150, 0] = 150

print(im[100, 150])
# [150  50 100]

在实际的日常操作中，通常是对图片整体或者是切片的部分进行操作，对单个像素值的操作并不常见。

图片的单色化和拼接

其他的像素值修改为0，单色图片的生成，以及横向的图片拼接。

from PIL import Image
import numpy as np

im = np.array(Image.open('./data/01/lena_square.png'))

im_R = im.copy()
im_R[:, :, (1, 2)] = 0
im_G = im.copy()
im_G[:, :, (0, 2)] = 0
im_B = im.copy()
im_B[:, :, (0, 1)] = 0

# 向的图片拼接
im_RGB = np.concatenate((im_R, im_G, im_B), axis=1)
# im_RGB = np.hstack((im_R, im_G, im_B))
# im_RGB = np.c_['1', im_R, im_G, im_B]

pil_img = Image.fromarray(im_RGB)
pil_img.save('./data/01/lena_numpy_split_color.jpg')

处理结果
在这里插入图片描述

像素值的反转

用像素值的最大值（uint8类型）255减去其像素值。

import numpy as np
from PIL import Image

im = np.array(Image.open('./data/01/lena_square.png').resize((256, 256)))

im_i = 255 - im

Image.fromarray(im_i).save('./data/01/lena_numpy_inverse.jpg')

在这里插入图片描述
减色处理

用//求其舍去余数值之后，再次相乘。则像素值为离散值，并且可以减少颜色的数量。

import numpy as np
from PIL import Image

im = np.array(Image.open('./data/01/lena_square.png').resize((256, 256)))

im_32 = im // 32 * 32
im_128 = im // 128 * 128

im_dec = np.concatenate((im, im_32, im_128), axis=1)

Image.fromarray(im_dec).save('./data/01/lena_numpy_dec_color.png')

在这里插入图片描述
二值化处理

设定一个中间值，对图片进行非黑即白的二值化处理
在这里插入图片描述

四则运算

乘法，除法，累乘等计算。
函数可以对图片全体进行计算，所以无需使用for等循环函数。

from PIL import Image
import numpy as np

im = np.array(Image.open('./data/01/lena_square.png'))

im_1_22 = 255.0 * (im / 255.0)**(1 / 2.2)
im_22 = 255.0 * (im / 255.0)**2.2

im_gamma = np.concatenate((im_1_22, im, im_22), axis=1)

pil_img = Image.fromarray(np.uint8(im_gamma))
pil_img.save('./data/01/lena_numpy_gamma.jpg')

在这里插入图片描述
计算的结果ndarray类型为float类型。所以最后保存时，需要先转换成uint8类型之后，再保存。

切片修剪

指定范围的矩形切片。

from PIL import Image
import numpy as np

im = np.array(Image.open('./data/01/lena_square.png'))

print(im.shape)
# (512, 512, 3)

im_trim1 = im[128:384, 128:384]
print(im_trim1.shape)
# (256, 256, 3)

Image.fromarray(im_trim1).save('./data/01/lena_numpy_trim.jpg')

在这里插入图片描述
以左上角为原点，指定宽和高的裁剪。

def trim(array, x, y, width, height):
    return array[y:y + height, x:x+width]

im_trim2 = trim(im, 128, 192, 256, 128)
print(im_trim2.shape)
# (128, 256, 3)

Image.fromarray(im_trim2).save('./data/01/lena_numpy_trim2.jpg')

在这里插入图片描述
按切片或函数的拆分

可以使用切片分割图片。与从图片边裁进行裁剪相同。

from PIL import Image
import numpy as np

im = np.array(Image.open('./data/01/lena_square.png').resize((256, 256)))

print(im.shape)
# (256, 256, 3)

im_0 = im[:, :100]
im_1 = im[:, 100:]

print(im_0.shape)
# (256, 100, 3)

print(im_1.shape)
# (256, 156, 3)

Image.fromarray(im_0).save('./data/01/lena_numpy_split_0.jpg')
Image.fromarray(im_1).save('./data/01/lena_numpy_split_1.jpg')

在这里插入图片描述
在这里插入图片描述
横向分割函数为np.hsplit()。第二个参数为整数值时，将进行相等的分割。

im_0, im_1 = np.hsplit(im, 2)

print(im_0.shape)
# (256, 128, 3)

print(im_1.shape)
# (256, 128, 3)

第二个参数值为列表时，在那个值的位置处进行分割。

im_0, im_1, im_2 = np.hsplit(im, [100, 150])

print(im_0.shape)
# (256, 100, 3)

print(im_1.shape)
# (256, 50, 3)

print(im_2.shape)
# (256, 106, 3)

np.hsplit()和np.vsplit()指定第二个参数值时，不能进行等份分割时，便会发生错误。此时，用np.array_split()的话，会自动调节尺寸，进行分割。

# im_0, im_1, im_2 = np.hsplit(im, 3)
# ValueError: array split does not result in an equal division

im_0, im_1, im_2 = np.array_split(im, 3, axis=1)

print(im_0.shape)
# (256, 86, 3)

print(im_1.shape)
# (256, 85, 3)

print(im_2.shape)
# (256, 85, 3)

切片粘贴

切片可以将一个矩阵中的矩形区域替换到另一个矩阵中去。
比如：图片的一部分粘贴到全图片中。

import numpy as np
from PIL import Image

src = np.array(Image.open('./data/01/lena_square.png').resize((128, 128)))
dst = np.array(Image.open('./data/01/lena_square.png').resize((256, 256))) // 4

dst_copy = dst.copy()
dst_copy[64:128, 128:192] = src[32:96, 32:96]

Image.fromarray(dst_copy).save('data/dst/lena_numpy_paste.jpg')

在这里插入图片描述

dst_copy = dst.copy()
dst_copy[64:192, 64:192] = src

Image.fromarray(dst_copy).save('./data/01/lena_numpy_paste_all.jpg')

在这里插入图片描述
Alpha混合和遮罩处理

由于可以很容易的对矩阵中的每个元素进行操作，因此可以对2个图片进行混合和遮罩处理。
在这里插入图片描述

选择 上/下/左/右 反转

矩阵的旋转，反转等函数的应用效果。
在这里插入图片描述

饺子大人
关注
专栏目录
python读取和保存图片5种方法对比
09-20
- `matplotlib.pyplot.imshow()`用于显示图片，`matplotlib.image.imread()`用于读取图片，读取出来的就是NumPy的array格式，可以直接用于后续处理。 - 保存图片时，可以使用`plt.savefig()`。 3. 使用OpenCV-...
学numpy，玩转图片
m0_46319611的博客
07-31 704
这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 欢迎使用Markdown编辑器 你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Mar
python 学习系列（3） 读取并显示图片的两种方法
hjxu2016的博客
03-20 8600
python 读取并显示图片的两种方法 在 python 中除了用 opencv，也可以用 matplotlib 和 PIL 这两个库操作图片。本人偏爱 matpoltlib，因为它的语法更像 matlab。 一、matplotlib 1. 显示图片 import matplotlib.pyplot as plt # plt 用于显示图片 import matplotlib.ima
python中将Numpy数组保存为图像
热门推荐
mtj66的博客，交流WX:SpringBreeze1104
05-03 5万+
第一种方案可以使用scipy.misc，代码如下：import scipy.misc misc.imsave('out.jpg', image_array) 上面的scipy版本会标准化所有图像，以便min(数据)变成黑色，max(数据)变成白色。如果数据应该是精确的灰度级或准确的RGB通道，则解决方案为：import scipy.misc misc.toimage(image_array, cm...
老生常谈JS数组去重
进无止进
09-09 628
数组去重，历史悠久的话题了，不过今天只记录个人比较喜欢的方法 1、数组去重需求 项目需要对类似这种数组去重： let lists = [{ id: 1, name: '法外狂徒', age: 20 }, { id: 3, name: '张三', age: 20 }, { id: 1, name: '法外狂徒', age: 20 }, { id: 4, name: '李四', age: 20 }] 该数据以id作为唯一标识，去重时只需去除重复id的那一项即.
将numpy数组保存为图像的几种方法
cc__cc__的博客
04-25 1万+
0.给定一个numpy数组——image 1.使用opencv import cv2 cv2.imwrite("1.jpg", image) 2.使用PIL from PIL import Image im = Image.fromarray(image) im.save("1.jpg") 3.使用scipy.misc import scipy.misc scipy.misc.imsave('...
Numpy:数据转换成image并保存
Ethan_Rich的博客
12-12 1176
要将float64类型的 NumPy 数据转换为图像并保存，可以使用matplotlib库。以下是使用matplotlib上述代码将创建一个随机的float64类型的 NumPy 数组，并使用matplotlib的imshow函数将其转换为灰度图像。然后，使用savefig函数将图像保存为 PNG 文件。
numpy-基于numpy实现的图像处理算法之给图片添加噪声.zip
06-23
本项目聚焦于利用NumPy实现图像处理算法，特别是关于给图片添加噪声这一主题。噪声在图像处理中常用于模拟真实世界中的图像失真，或者在训练深度学习模型时增加数据多样性。 首先，我们需要了解图像的基本概念。...
使用numpy和PIL进行简单的图像处理方法
09-20
这两个库在处理图像数据时非常强大，尤其是numpy对于数组操作的高效性能，而PIL则提供了丰富的图像读取、显示和转换功能。 首先，我们需要导入必要的库： ```python from PIL import Image import numpy as np ``` ...
numpy-基于numpy实现的图像处理算法之Swirl.zip
最新发布
06-23
在Python的科学计算领域，NumPy是一个不可或缺...通过结合其他库如PIL或OpenCV，我们可以构建完整的图像处理流程，实现从读取、处理到保存的全部步骤。在学习和实践中，掌握NumPy对于理解和实现图像处理算法至关重要。
浅谈python下tiff图像的读取和保存方法
09-19
对于从事图像处理工作的开发人员而言，掌握如何在Python环境中高效地读取与保存TIIF图像至关重要。本文将通过对比三种常用库——`scipy.misc`、`PIL.Image`及`libtiff.TIFF`来探讨不同方法的特点及其适用场景。 ###...
Numpy与图片操作
AX642511931的博客
04-16 1346
Numpy与图片结合的记录
python中读取图片的6种方式
CDA数据分析师
11-06 1万+
作者：小伍哥 来源：AI入门学习 python进行图片处理，第一步就是读取图片，这里给大家整理了6种图片的读取方式，并将读取的图片装换成numpy.ndarray()格式。 首先需要准备一张照片，假如你有女朋友的话，可以用女朋友的，没有的话，那还学啥python，赶紧找对象去吧！ 图片路径：dirpath = "C:/Users/wuzhengxiang/Desktop/beatgirl.jpg" 一、OpenCV读取图片 OpenCV读取的图片，直接就是numpy.ndarr...
python3 numpy读取图片_图像处理之读取numpy.ndarray格式图片
weixin_33311334的博客
01-14 4875
#引入库from matplotlib import image as mpimg#库一from matplotlib import pyplot as pltimport numpy as np#%matplotlib inlineimport cv2#库二from PIL import Image#库三#读图片的几种方法，"""方法1"""img1 = mpimg.imread("car.jp...
学习笔记_numpy图片基本操作_自用
free_luojing的博客
08-04 918
numpy操作
Python读取显示raw图片+numpy基本用法记录
hhb3329的博客
08-03 5756
主要解决python打开raw图片（无任何其他信息头文件等）
【技术】Python中读取图片的6种方式
简说Python的博客
11-15 6909
↑↑↑关注后"星标"简说Python 人人都可以简单入门Python、爬虫、数据分析 简说Python推荐作者：小伍哥来源：AI入门学习 Oneoldwatch,...
【pyqt5】 读取numpy arrray 显示图片
python_AI_fans的博客
12-02 6565
【pyqt5】 读取numpy arrray 显示图片
03_Numpy的数组各行，各列的求和，平均值，最大值，最小值，最大最小值差，标准差，方差等的计算
qq_18351157的博客
01-10 4万+
Numpy的数组各行，各列的求和，平均值，最大值，最小值，最大最小值差，标准差，方差等的计算 函数numnumpy.sum()可以算出ndarray数组中所有元素的和，函数numpy.mean()可以算出ndarray数组中所有元素的平均值。 默认的情况下是算出数组中所有元素的和与平均值，但是也可以使用参数axis，对行或列进行计算。 在此，对一下的内容进行说明。 numpy.sum() 求和 ...
Python代码实现用numpy读取图像中的非0值
08-13
### 回答1： 使用numpy读取图像中的非0值的代码如下： ``` import numpy as np from PIL import Image # 读取图像 img = Image.open("image.png") # 将图像转换为numpy数组 img_np = np.array(img) # 获取非0值的坐标 non_zero_coords = np.argwhere(img_np != 0) ``` 这段代码使用PIL库读取图像，然后将图像转换为numpy数组，最后使用`np.argwhere`函数获取非0值的坐标。 ### 回答2： 可以使用以下代码实现用NumPy读取图像中的非零值： ```python import numpy as np # 读取图像 image = np.loadtxt('image.txt') # 提取非零值 non_zero_values = np.nonzero(image) # 打印非零值 print(non_zero_values) ``` 在上述代码中，我们首先使用`np.loadtxt()`函数读取图像文件，该函数会返回一个NumPy数组。然后，使用`np.nonzero()`函数提取数组中的非零值的索引。最后，通过打印`non_zero_values`变量，我们可以看到图像中的非零值的位置。 需要注意的是，在上述代码中，我们假设图像数据保存在名为`image.txt`的文本文件中。如果图像数据以不同的格式保存（例如，`.jpg`或`.png`文件），则需要使用适当的函数来读取图像数据。 ### 回答3： 使用numpy库可以方便地读取图像，并找出其中非0值的位置。 首先，需要导入numpy和cv2库，并读取图像： ```python import numpy as np import cv2 # 读取图像 image = cv2.imread('image.jpg', 0) ``` 读取的图像会以一个二维的numpy数组的形式存储，每个元素表示对应像素的灰度值。 接下来，可以使用numpy提供的函数来找出图像中非0值的位置。可以使用`np.nonzero()`函数来找出非0值的索引，该函数返回一个元组，其中包含了在每个维度上非0值的索引数组。 ```python # 找出非0值的索引 nonzero_indexes = np.nonzero(image) ``` 返回的`nonzero_indexes`变量中包含了两个数组，即找到的非0值的行和列的索引。可以分别使用`nonzero_indexes[0]`和`nonzero_indexes[1]`来访问这两个索引数组。 最后，可以打印出非0值的位置： ```python # 打印非0值的位置 for i in range(len(nonzero_indexes[0])): row = nonzero_indexes[0][i] col = nonzero_indexes[1][i] print("非0值的位置：({}, {})".format(row, col)) ``` 以上代码实现了读取图像并找出其中非0值的位置。根据实际需求，可以对这些非0值进行处理，例如进行像素操作、计算统计信息等。
评论 3
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