Python矩阵运算——numpy用法（二）

使用numpy进行图片处理

一张平面图片是由无数个像素点按照坐标(x, y)（也可以理解为行、列）排列组合构成的，图片数据格式就是一个三维的数字列表，数据结构如下：

[[[247 218 213]		
  [255 233 229]
  [255 238 238]
  ...
  [127 186 236]
  [126 185 235]
  [120 179 229]]
 ...
 [[ 50 137 193]
  [ 59 154 198]
  [ 59 168 190]
  ...
  [ 25  26  30]
  [ 25  26  30]
  [ 25  26  30]]]

数据当中的一维数组中的数据（[247 218 213]）代表该像素点的颜色数据（三原色RGB），二维数组代表着行号（y），整个一维数组代表着列号（x），用表格进行表示：

247 218 213	255 233 229	…	126 185 235	120 179 229
…	…	…	…	…
50 137 193	59 154 198	…	25 26 30	25 26 30

三原色查看戳这里

图像处理

使用cv2这个库读取图片数据，并将处理好的图片数据进行显示

import numpy as np
import cv2		# 需下载python库

data = cv2.imread("duck.jpg", cv2.IMREAD_COLOR)		# 读取图片数据
img = np.array(data)		# 使用读取数据建立一个ndarray	
cv2.imshow("show", img)		# 生成一个窗口显示图片

因此只需要对img进行索引操作修改数据，就可以实现图像的处理：

图片x轴镜像：

img = img[::-1, :, :]		# 从二维数组最后一个开始取数据（从最后一行开始）
cv2.imshow("show2", img)

图片y轴镜像：

img = img[:, ::-1, :]		# 每行最后一列开始取数据
cv2.imshow("show8", img)

对图片进行压缩（纵向）

img = img[:: , :: 2, :]		# 每2次取一个列数据
cv2.imshow("show5", img)

也可以调整图片颜色

灰度图片

img_gray = img[:, :, 2]*0.299 + a[:, :, 1]*0.587 + a[:, :, 0]*0.114		# 调整三原色数据
img_gray = img_gray.astype(np.uint8)	# 数据取整
cv2.show("gray", img_gray)

设置曝光度

img_light = (img*2.0)     # 范围：[0,255] 超过255
# 裁剪 超过范围的
img_light = np.clip(img_light, a_min=None, a_max=255.).astype(np.uint8)
cv2.imshow("light", img_light)

numpy的整体用法和一些实际用途基本就介绍到这了。