方法一:利用PIL中的Image函数;
Note: 这个函数读取出来不是array格式
这时需要用 np.asarray(im) 或者np.array()函数将其转化成array,然后可以使用如下的方法来查看图像的格式(下面是基于python3的编程格式):
print(type(img)) #显示类型 print(img.shape) #显示尺寸 print(img.shape[0]) #图片宽度 print(img.shape[1]) #图片高度 print(img.shape[2]) #图片通道数 print(img.size) #显示总像素个数 print(img.max()) #最大像素值 print(img.min()) #最小像素值 print(img.mean()) #像素平均值
我做测试的结果显示如下:
结果输出:
<class 'numpy.ndarray'>
(300, 451, 3)
300
451
3
405900
231
0
115.305141661
区别是 np.array() 是深拷贝,np.asarray() 是浅拷贝
- from PIL import Image
- import numpy as np
- I = Image.open('/data/person.png')
- I.show()
- I.save('/data/person_save.png')
- I_array = np.array(I)
- print I_array.shape
#方法二:利用matplotlib.pyplot as plt用于显示图片
# matplotlib.image as mpimg 用于读取图片# 并且读取出来就是array格式
- import matplotlib.pyplot as plt
- import matplotlib.image as mpimg
- import numpy as np
- I = mpimg.imread('/data/person.png')
- print I.shape
- plt.imshow(I)
#方法三:OpenCV目前支持读取bmp、jpg、png、tiff等常用格式。更详细的请参考OpenCV的参考文档。
#利用opencv-python接口
#cv2.imread()读出来同样是array形式,- import cv2
- img = cv2.imread('/data/person.png') #读取一张图片
- cv2.namedWindow('image', cv2.WINDOW_NORMAL)#给显示的窗口命名,后面的flag默认为cv2.WINDOW_AUTOSIZE,自动调整边框#,但是在条形图过长时,使用windownormal我们可以自行调整边框
- cv2.imshow('image',img)#展示图片
- cv2.waitKey(0)#等待按键按下,如果不添最后一句,在IDLE中执行窗口直接无响应。在命令行中执行的话,则是一闪而过。
- cv2.destroyAllWindows()#清除所有窗口
- #参数中填入图片的完全路径或者相对路径
- print(img.shape)
我们可以使用imwrite来存储一张图片,接受一个numpy的数组作为参数.
cv2.imwrite('cope_lenna_img.jpg',img) #result: True
他会返回一个bool值来表示它是否成功存储.
我们成功在当前目录存储了一个叫做copy_lenna_img.jpg的图像.
#读取一张图片
cv2.imread(img,flag)
#img这一参数中填入图片的完全路径或者相对路径
这里我们需要稍微了解下flag这个参数,这决定了opencv是如何读入我们的图像的
我们知道通常图像每个像素点的颜色我们以RGB的格式来描述(或者RGBA),可以通过三基色(red,green,blue)来描述所有颜色,对于透明图片我们会增加一个a(alpha)来描述其颜色的透明度.
cv2.IMREAD_COLOR : 读入图片,任何与透明度相关通道的会被忽视,默认以这种方式读入.
cv2.IMREAD_GRAYSCALE : 以灰度图的形式读入图片.
cv2.IMREAD_UNCHANGED : 保留读取图片原有的颜色通道.
可以简单的用-1,0,1来分别表示这3个flag
举例如下:
#在开头引入必要的库
import matplotlib.pyplot as plt
import numpy as np
import cv2
#ipython %matplotlib inline
gray_lenna_img = cv2.imread("lena.jpg",0)
orign_lenna_img=cv2.imread("lena.jpg",1)
plt.subplot(121)
plt.imshow(gray_lenna_img,cmap=plt.cm.gray)
plt.axis("off")
plt.subplot(122)
orign_lenna_img = cv2.cvtColor(orign_lenna_img,cv2.COLOR_BGR2RGB)
plt.imshow(orign_lenna_img)
plt.axis("off")
plt.show()
因为lenna图并没有包含透明度这一通道,读入的仍然是BGR格式,所以我们从lenna图是看不出区别的
读取和显示图像(使用opencv,该部分以定义一个函数的形式读取图像)
- #读取和显示图像
- def showimg(imagePath):
- img = cv2.imread(imagePath) #读取本地图片,目前OpevCV支持bmp、jpg、png、tiff
- cv2.namedWindow("Image") #创建一个窗口用来显示图片
- cv2.imshow("Image", img) #显示图片
- cv2.waitKey (0) #等待输入,这里主要让图片持续显示。
- cv2.destroyAllWindows() #释放窗口
- if __name__ == '__main__':
- imagePath = '/data/person.jpg'
- showimg(imagePath)
cv2.imwrite("/data/person_test.jpg",img,[int(cv2.IMWRITE_JPEG_QUALITY),5])
5 -- 是第三个参数,它针对特定的格式:对于JPEG,其表示的是图像的质量,用0 - 100的整数表示,默认95
注意: cv2.IMWRITE_JPEG_QUALITY类型为 long ,必须转换成 int.,对于png ,第三个参数表示的是压缩级别。
cv2.IMWRITE_PNG_COMPRESSION, 从0到9 压缩级别越高图像越小。默认为3.
#方法四:图像的存取用scipy这个库里的东西,读出来是矩阵形式,并且按照(H,W,C)形式保存
- import matplotlib.pyplot as plt
- from scipy import misc
- import scipy
- I = misc.imread('/data/person.png')
- scipy.misc.imsave('/data/person_save1.png', I)
- plt.imshow(I)
- plt.show()
from skimage import io,data
img=data.lena() #详细解释如下,使用data可以直接调用skimage程序中自带的图像
io.imread('/data/person.png',as_grey=True) #读取制定路径下的图像,第一个参数为图片路径,第二个参数为as_grey, bool型值,默认为Falseio.imshow(img)
skimage程序自带了一些示例图片,如果我们不想从外部读取图片,就可以直接使用这些示例图片,图片名对应的就是函数名,如camera图片对应的函数名为camera(). 这些示例图片存放在skimage的安装目录下面,路径名称为data_dir,我们可以将这个路径打印出来看看:
from skimage import data_dir print(data_dir)
显示:
>>> print(data_dir) /usr/lib/python3/dist-packages/skimage/data
#下面两段代码输出的结果是一样的
from skimage import data_dir,data,io img1=data.lena() #读取lena图片 img2=io.imread(data_dir+'/lena.png') #读取lena图片
astronaut | 宇航员图片 | coffee | 一杯咖啡图片 | lena | lena美女图片 |
camera | 拿相机的人图片 | coins | 硬币图片 | moon | 月亮图片 |
checkerboard | 棋盘图片 | horse | 马图片 | page | 书页图片 |
chelsea | 小猫图片 | hubble_deep_field | 星空图片 | text | 文字图片 |
clock | 时钟图片 | immunohistochemistry | 结肠图片 |
|