python图像处理

最新推荐文章于 2024-06-18 11:22:48 发布
最新推荐文章于 2024-06-18 11:22:48 发布
阅读量457 收藏 4
点赞数 3
文章标签： python 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/qq_45974675/article/details/112729119
版权

python图像处理

PIL库处理图像

导入库

from PIL import Image

读取图像

im = Image.open(r'./pictures/boy.jpg')
im

在这里插入图片描述

保存图像

im.save(r'./pictures/boyL.jpg')

转为灰度图

im.convert('L')

在这里插入图片描述

创建缩略图

thumbnail()方法接受一个元组参数（该参数指定生成缩略图的大小），然后将图像转换成符合元组参数指定大小的缩略图。例如，创建最长边为 128 像素的缩略图，可以使用下列命令：

im.thumbnail((128,128))

在这里插入图片描述

复制和粘贴图像区域

使用crop()方法可以从一幅图像中裁剪指定区域：

box = (100,100,400,400)
region = im.crop(box)

该区域使用四元组来指定。四元组的坐标依次是（左，上，右，下）。PIL 中指定坐标系的左上角坐标为（0，0）。我们可以旋转上面代码中获取的区域，然后使用paste()方法将该区域放回去，具体实现如下：

region = region.transpose(Image.ROTATE_180)
im.paste(region,box)

在这里插入图片描述

调整尺寸和旋转

要调整一幅图像的尺寸，我们可以调用resize()方法。该方法的参数是一个元组，用来指定新图像的大小：

im.resize((128,128))

在这里插入图片描述
要旋转一幅图像，可以使用逆时针方式表示旋转角度，然后调用rotate()方法：

im.rotate(45)

在这里插入图片描述

NumPy读取图像到数组

np.array()方法可将Image对象转化为数组对象，读取成功后会返回一个数组array，其大小如下：

  • (M, N) for grayscale images .#灰度图像
  • (M, N, 3) for RGB images. #24位彩色图像
  • (M, N, 4) for RGBA images. #RGBA32位彩色图像
from PIL import Image
import numpy as np

im = np.array(Image.open(r'./pictures/boy.jpg'))
im

array([[[146, 208, 255],
        [146, 208, 255],
        [146, 208, 255],
        ...,
        [198, 225, 255],
        [197, 224, 254],
        [196, 223, 253]],

       [[113, 178, 232],
        [113, 178, 232],
        [113, 178, 232],
        ...,
        [177, 203, 238],
        [176, 202, 237],
        [175, 201, 236]],

       [[ 87, 157, 216],
        [ 87, 157, 216],
        [ 87, 157, 216],
        ...,
        [163, 188, 228],
        [162, 187, 227],
        [161, 186, 226]],

       ...,

       [[155, 146, 139],
        [146, 137, 130],
        [135, 126, 119],
        ...,
        [ 76, 121, 144],
        [ 77, 122, 145],
        [ 78, 123, 146]],

       [[154, 145, 138],
        [148, 139, 132],
        [139, 130, 123],
        ...,
        [ 84, 129, 152],
        [ 83, 128, 151],
        [ 83, 128, 151]],

       [[153, 144, 137],
        [149, 140, 133],
        [142, 133, 126],
        ...,
        [ 90, 135, 158],
        [ 88, 133, 156],
        [ 87, 132, 155]]], dtype=uint8)

im.shape

(1080, 1080, 3)

可以知道这幅图像是一幅三颜色通道的24位彩色图像，每行每列有1080个像素。

图像轮廓和直方图

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

#plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
#plt.rcParams['axes.unicode_minus']=False #用来正常显示负号

#读取图像到数组中
im = np.array(Image.open(r'./pictures/boy.jpg').convert('L'))

#不使用颜色信息
plt.gray()
#在原点左上角显示轮廓图像
plt.contour(im,origin='image')
plt.axis('equal')
plt.axis('off')

在这里插入图片描述
图像的直方图用来表征该图像像素值的分布情况。用一定数目的小区间（bin）来指定表征像素值的范围，每个小区间会得到落入该小区间表示范围的像素数目。该（灰度）图像的直方图可以使用 hist() 函数绘制：

plt.hist(im.flatten(),128) 
#flatten() 方法将任意数组按照行优先准则换成一维数组
#hist() 函数第二个参数制定小区间的数目

plt.show()

在这里插入图片描述

灰度变换

将图像读入 NumPy 数组对象后，我们可以对它们执行任意数学操作。一个简单的例子就是图像的灰度变换。考虑任意函数 f，它将 0…255 区间（或者 0…1 区间）映射到自身（意思是说，输出区间的范围和输入区间的范围相同）。下面是关于灰度变换的一些例子：

from PIL import Image
import numpy as np
import matplotlib.pyplot as plt
 
im = np.array(Image.open(r'./pictures/boy.jpg').convert('L'))
 
im1 = 255 - im # 对图像进行反转处理
 
im2 = (100.0/255) * im + 100 # 将图像像素值变换到100...200 区间
 
im3 = 255.0 * (im/255.0)**2 # 对图像像素值求平方后得到的图像

第一个例子将灰度图像进行反相处理；第二个例子将图像的像素值变换到 100…200 区间；第三个例子对图像使用二次函数变换，使较暗的像素值变得更小。

plt.axis('off')
plt.imshow(im1)

plt.axis('off')
plt.imshow(im2)

plt.axis('off')
plt.imshow(im3)

效果分别如下：
在这里插入图片描述在这里插入图片描述在这里插入图片描述

Matplotlib读取图像

从matplotlib库中导入image模块和pyplot模块，image模块用于读取图像，pyplot模块用于显示图像，其中image模块中的imread方法直接将图像读取为一个数组。

import matplotlib.pyplot as plt
import matplotlib.image as img
import numpy as np

im = img.imread(r'./pictures/boy.jpg') #读取图像
print(im.shape)
plt.imshow(im) #图像显示
img.imsave(r'./pictures/boy.jpg',im) #图像保存

在这里插入图片描述
有了图像读取、显示、保存之后，可以开始numpy图像处理编程了。

CV2处理图像

与matplotlib类似，cv2库中的imread方法直接将图片读取为一个数组。

import cv2
import numpy as np

#读入图像
im = cv2.imread(r'./pictures/boy.jpg',1) 
# 1读取彩色图像，0读取灰度图像
# im 为一个numpy矩阵

#显示图像
cv2.imshow('boy',im)
cv2.waitKey() # 暂停cv2模块 不然图片窗口一瞬间即就会消失 观察不到
cv2.destroyWindow('boy')

# 复制图像
new_im = im.copy()

# 保存图像
cv2.imwrite("boy-new.png", new_im)

色彩变换

# new_im = cv2.cvtColor(old_im, cv2.COLOR_X2Y)
# 其中X,Y = RGB, BGR, GRAY, HSV, YCrCb, XYZ, Lab, Luv, HLS

# 转为灰度图，得到的gray仍为一个数组，需要用imshow显示图像
gray = cv2.cvtColor(im,cv2.COLOR_BGR2GRAY)
cv2.imshow('gray',gray)
cv2.waitKey()

注意CV2读取的图片的通道是BGR

# BGR转RGB
im1 = cv2.cvtColor(im,cv2.COLOR_BGR2RGB)
# 分离通道
b,g,r = cv2.split(im)
#合 并通道
im2 = cv2.merge((b,g,r))

NumPy处理图像

图像裁剪

def imgCrop(im, x, y, w, h):
    """
    image crop function.
    im: source image
    x: x of crop position
    y: y of crop position
    w: width of crop
    h: height of crop
    Return cropped image.
    """
    img = im[x:np.clip(x+w,0,im.shape[0]),y:np.clip(y+h,0,im.shape[1])]
return img

# test
im = img.imread(r'.\pictures\boy.jpg')
plt.subplot(121)
plt.imshow(im)
plt.subplot(122)
im = imgCrop(im,600,400,400,300)
plt.imshow(im)

在这里插入图片描述

灰度变换

def imgGray(im):
    """
    image gray
    im: source image
    Return gray image.
    """
    img = np.array(im)
    rows = im.shape[0]
    cols = im.shape[1]
    for i in range(rows):
        for j in range(cols):
            img[i, j, :] = (img[i, j, 0] * 0.299 + img[i, j, 1] * 0.587 + img[i, j, 2] * 0.114)
    return img
    
#test
im = img.imread(r'.\pictures\boy.jpg')
im = imgGray(im)
plt.imshow(im)

在这里插入图片描述

图像二值化

def imgThreshold(im, threshold):
    """
    im: source image
    threshold: 0-255
    Return blackwhite image.
    """
    img = np.array(im)
    rows = im.shape[0]
    cols = im.shape[1]
    for i in range(rows):
        for j in range(cols):
            gray = (img[i, j, 0] * 0.299 + img[i, j, 1] * 0.587 + img[i, j, 2] * 0.114)
            if gray <= threshold :
                img[i,j,:] = 0
            else:
                img[i,j,:] = 255
    return img
 
#test
im = img.imread(r'.\pictures\boy.jpg')
im = imgThreshold(im, 128)
plt.imshow(im)

在这里插入图片描述

Beyond.
关注
  • 3
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Python图像处理【3】Python图像处理库应用
qq_30167691的博客
12-01 7万+
和多数编程任务类似，在编写图像处理应用程序时，我们无需重复“造轮子”的过程，利用 Python 强大且丰富的第三方库能够大量缩减应用程序的编写时间，达到事半功倍的效果。在本节中，我们将学习使用不同的 Python 库实现一些常见的图像处理、变换和可视化技术，这些技术通常可以用作更复杂的图像处理任务的基本预处理/后处理步骤。
opencv改变imshow窗口大小,窗口位置的方法
09-20
下面小编就为大家分享一篇opencv改变imshow窗口大小,窗口位置的方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
Opencv调整运行窗口图片的大小
热门推荐
cumtml的博客
10-13 6万+
Opencv在运算时显示图片问题 总结在opencv中，图片显示的问题。简要解决图片窗口和图片大小的问题。 namedWindow("窗口名",1);//创建窗口 imshow("窗口名",要显示的图片);//在创建的窗口中显示图片 官网中内容，默认情况下，是1，自动调整窗口大小模式。如果在图片高清情况下，显示图片窗口很大，电脑屏幕放不下，并且窗口还不能通过
opencv调整窗口大小
qq_35366466的博客
03-16 8457
WINDOW_AUTOSIZE。窗口大小会自动调整以适应所显示的图像，但是不能更改大小 CV_WINDOW_NORMAL 可以通过鼠标来调整图像大小。 cv::namedWindow("camera", CV_WINDOW_NORMAL); cv::imshow("camera", frame); python中调整窗口大小，加上第一行就可以调整大小了 cv2.namedWindo...
Opencv两种方式改变显示窗口尺寸--深剖两种API的不同之处
小叶MW 的博客
01-15 4733
Opencv两种方式改变显示窗口尺寸,深度剖析这两种API的不同之处
OpenCV入门（26）：矩形、圆形、扇形及任意多边形的绘制
weixin_44650248的博客
07-17 4342
import cv2 import numpy as np newImageInfo = (500,500,3) dst = np.zeros(newImageInfo,np.uint8) # 绘制矩形 1.目标图片 2.左上角 3.右下角 4.颜色 5.内容是否填充（-1：填充； 》0的值：线条宽度） cv2.rectangle(dst,(50,100),(200,300),(25...
python图像处理,python图像处理库,Python
08-09
本篇文章将深入探讨Python图像处理库以及如何使用它们来执行常见的图像操作，如裁剪、灰度化、旋转和扭曲。 1. **Python图像处理库** Python中最常用的图像处理库有PIL（Python Imaging Library）及其分支Pillow、...
python图像处理实验指导书1
08-03
Python 图像处理实验指导书1 是一个基于 Python 的图像处理实验指导书，旨在帮助学生和开发者学习和掌握图像处理技术。该指导书共分为 11 个任务，涵盖了从图像处理基础到 ROS 机器人操作系统的应用。 任务一：...
Python图像处理.pdf
10-02
Python 图像处理 Python 图像处理是使用 Python 语言进行图像处理的技术。Python 语言的面向对象、弱数据类型等特点使得它非常适合进行简单的图像处理任务。PythonWare 公司提供了免费的图像处理工具包 PIL（Python...
python图像处理_python图像处理_python图像_python图像处理_python文档_tuxiangchuli_
08-09
综上所述，Python图像处理涵盖了从基础操作到复杂算法的广泛领域，通过熟悉这些知识点，你可以有效地进行图像处理任务，无论是在学术研究还是在实际项目中。学习和掌握这些工具和概念，将使你能够在Python的世界中...
批量化将图片反色
01-10
利用python3.x，opencv库，把图片放到picture文件夹中，即可将所有的图片反色并保存。
toimage函数
02-15
toimage工具包，matlab编程，是hht变换最核心的函数
批量生成反色图片，用PHOTOSHOP批处理功能。
weixin_34302798的博客
05-14 804
http://zhidao.baidu.com/link?url=Iz46PDPnEITummTEwo2GtUrK6AeAjlidJ7HtCPJ6NYZJbbllRwNg2iBAcNwF2TYjccPCKvolstw7oRLFKHOP4a   批量生成反色图片，用PHOTOSHOP批处理功能。 首先把要处理的图片放在一个文件夹内，方便以后的批处理。 打开一张图片，然后在动作面板中新建动作，...
深入探讨OpenCV：调整imshow窗口大小、位置与处理感兴趣区域（ROI）
最新发布
科技改变人类，技术成就未来
06-18 3267
本文详细探讨了如何在OpenCV中使用imshow函数进行图像显示时，调整窗口大小和位置，以及定义和处理感兴趣区域（Region of Interest, ROI）。首先介绍了imshow的基本用法，然后通过实例展示了如何使用namedWindow和resizeWindow函数来调整窗口大小，以及使用moveWindow函数来设置窗口位置。接着，讲解了如何通过切片操作定义图像的感兴趣区域，并在该区域内进行绘制和其他操作。文章最后结合这些功能给出了一个综合应用示例，为实际项目中的应用提供了参考。
python批量处理图片颜色反转,使用PIL(Python-Imaging)反转图像的颜色方法
weixin_36294922的博客
03-26 1132
利用PIL将图片转换为黑色与白色反转的图片，下面笔者小白介绍如何实现。解决方案一：from PIL import Imageimport PIL.ImageOps#读入图片image = Image.open('your_image.png')#反转inverted_image = PIL.ImageOps.invert(image)#保存图片inverted_image.save('new_na...
原始图像扩展_荧光显微镜图像去卷积和多图融合技术，提升荧光显微镜成像效率数千倍...
weixin_39616003的博客
12-08 434
原创 mumu 图灵基因 今天来自专辑 前沿分子生物学技术撰文：mumuIF=36.558推荐度：⭐⭐⭐⭐⭐亮点：提出荧光显微镜图像去卷积和多视图融合的创新技术，用于提升荧光显微镜图像后处理效率十倍至数千倍。 ​近日，美国国立卫生研究院（NIH）的Hari Shroff博士联合多家研究单位在《Nature Biotechology》上发表了一篇名为“Rapid image deconvoluti...
opencv使用imshow()输出时怎样设置窗口大小
m0_64854963的博客
11-27 8943
其中，winname是窗口的名称，flags是窗口的属性标志，用于控制窗口的行为和外观。：窗口大小可以调整。：窗口大小根据图像大小自动调整。：窗口全屏显示。：窗口大小可以自由调整，但图像的宽高比不变。：窗口大小可以自由调整，但图像的宽高比保持不变。
opencv调整窗口大小_23、OpenCV调整图像大小
weixin_33503373的博客
02-06 1186
1、resize()函数最简单的图像变换就是调整图像大小。resize()函数用于调整图像的大小。根据输入的图像和尺寸，生成所需尺寸的新图像。void cv::resize(cv::InputArray src,cv::OutputArray dst,cv::Size dsize,double fx = 0, edouble fy = 0,int interpolation = CV::...
Python图像处理
08-01
Python图像处理可以使用多种库和工具来实现，其中包括PIL（Python Imaging Library）和OpenCV（Open Source Computer Vision Library）。PIL是一个用于图像处理的Python库，可以进行图像的打开、保存、裁剪、旋转、...
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