教程：使用Python进行基本图像数据分析！

本教程将介绍如何导入图像并观察其属性、拆分图层以及查看灰度。在正式开始之前，我们先来了解一些关于像素的基础知识。

计算机将图片以像素形式存储，这就像马赛克一样。如果像素太大，很难制作光滑的边缘和曲线。相反，我们使用的像素越多越小，看起来就会越平滑，或者说像素化程度越小，图像就会越好看，有时，这也被称为图像分辨率。

矢量图形是一种有点不同的存储图像方法，旨在避免与像素相关的问题。但是，即使是矢量图像，最终也会显示为像素一样的马赛克。颜色像素表示图像元素，描述每个像素的简单方法是使用三种颜色的组合，即红色，绿色，蓝色，这就是我们所说的RGB图像。

在RGB图像中，每个像素分别与红色，绿色，蓝色的值相关联的三个8比特数字表示。最后，如果使用放大镜观察缩放的图片，我们会看到图片由微小的光点或更具体的像素组成，更有趣的是这些小光点实际上具有多个不同颜色。

每张照片都以数字形式由像素组成，它们是构成图片的最小信息单位，通常是圆形或方形，它们通常布置在二维网格中。

如果三个颜色都处于最大值，则意味着它们是255，那就会显示为白色，如果三种颜色都处于最小值，或者值为0，则颜色显示为黑色。反过来，这三者的组合将为我们提供特定的像素颜色。由于每个颜色数字都是8个比特，因此值范围为0-255。

由于每个值可以具有256个不同的强度或亮度值，因此三种颜色总共有1680万个shade。

以下是Numpyand非常基本的图像数据分析步骤，其中一些涉及Python pacakges，如imageio，matplotlib等。

• 导入图像并观察其属性
• 拆分图层
• Greyscale
• 对像素值使用逻辑运算符
• 使用逻辑运算符进行运算
• 卫星图像数据分析

导入图像

现在让我们加载图像并观察各种属性：

1. if __name__ == '__main__':
2. import imageio
3. import matplotlib.pyplot as plt
4. %matplotlib inline
5. pic = imageio.imread('F:/demo_2.jpg')
6. plt.figure(figsize = (15,15))
7. plt.imshow(pic)观察图像的基本属性
8. print('Type of the image : ' , type(pic))
9. print('Shape of the image : {}'.format(pic.shape))
10. print('Image Hight {}'.format(pic.shape[0]))
11. print('Image Width {}'.format(pic.shape[1]))
12. print('Dimension of Image {}'.format(pic.ndim))
13. Type of the image : <class 'imageio.core.util.Image'>
14. Shape of the image : (562, 960, 3)
15. Image Hight 562
16. Image Width 960
17. Dimension of Image 3

ndarray的形状表明它是一个三层矩阵，这里的前两个数字是长度和宽度，第三个数字（即3）是三层：Red, Green, Blue。 因此，如果我们计算RGB图像的大小，则总大小将计为height x width x 3

1. print('Image size {}'.format(pic.size))
2. print('Maximum RGB value in this image {}'.format(pic.max()))
3. print('Minimum RGB value in this image {}'.format(pic.min()))
4. Image size 1618560
5. Maximum RGB value in this image 255
6. Minimum RGB value in this image 0

这些值对于验证很重要，因为8比特颜色强度不能超出0到255范围。