c语言.jpg图片转成数组_Numpy 脑洞玩法之图片切割拼接

(给Python开发者加星标，提升Python技能)

来源：诡途

https://blog.csdn.net/qq_35866846/article/details/105389738

视频资料：https://tv.sohu.com/v/dXMvMzM1OTQyMDI2LzExMzQxMDY1MS5zaHRtbA==.html

视频的内容介绍：一张照片，横着切成若干条，并且没有打乱，随后隔条分成了两份，然后把这两份各自拼接在一起，出现了跟两张原图一模一样的图片，将两张图竖着切成若干条，并且没有打乱，随后隔条分成了四份，出现了四张跟原图一模一样的图片(等比例缩小)

目标：使用Python实现图片切割拼接。

效果：效果如下图所示，证实这个实验是真的，只不过处理后的像素降低。

原理：

Numpy对图像的处理实际上就是对ndarray的处理。图像和ndarray又有什么关系呢？图像是可以用ndarray数组来表示。如图我们可以用plt.imread()读取一张图片的数据，返回的就是这张图片的ndarray数组。通过对ndarray的处理实现图片操作

步骤解析：

【1】图片读取

读取一、PIL库的image

import numpy as np# pip install numpyimport PIL.Image as img# pip install PILdata=np.array(img.open('test.jpg'))

读取二、matplotlib库的pyplot

import numpy as np   # pip install numpyimport matplotlib.pyplot as plt  # pip install matplotlibdata=plt.imread('test.jpg')

# 查看数组的形状data.shape# (800,800,3), # 第一个800代表图片的像素宽度-纵轴像素，# 第二个800代表图片的像素长度-横轴像素，#3代表RGB通道数，(有些图片格式是3通道，有些图片格式是4通道)

【2】图片切割 & 数组拼接

#图像切割——横轴切width=data.shape[1]width0= np.split(data,range(10,width,10),axis=1)width1=width0[::2]width2=width0[1::2]#数组的拼接——1轴|纵轴test1 = np.concatenate(width1,axis=1)test2 = np.concatenate(width2,axis=1)print(test1.shape)plt.imshow(test1)

#对切割后的test1再进行纵轴切割length=test1.shape[0]length0= np.split(test1,range(10,length,10),axis=0)#test1 test2的length和原图等长length1=length0[::2]length2=length0[1::2]#数组的拼接——0轴|横轴test3 = np.concatenate(length1,axis=0)test4 = np.concatenate(length2,axis=0)print(test3.shape)plt.imshow(test3)

【3】图片保存

保存一、scipy.misc

import scipy.miscscipy.misc.imsave('test3.jpg',test3)

保存二、PIL库的image

#imageimg.fromarray(test3).save("test3.jpg")

保存三、matplotlib库的pyplot

plt.imsave("test3.jpg",test3)

【4】完整代码：

import numpy as np   # pip install numpyimport matplotlib.pyplot as plt  # pip install matplotlibjpg_path='test.jpg'#n为切割的大小，n越大，像素越小def cut_jpg(jpg_path,n):    # 读取图片    data=plt.imread(jpg_path)    #图像切割_横轴切    width=data.shape[1]    width0= np.split(data,range(n,width+1,n),axis=1)#左闭右开所以+1    width1=width0[::2]    width2=width0[1::2]    #数组的拼接    test1 = np.concatenate(width1,axis=1)    test2 = np.concatenate(width2,axis=1)    #图像切割_纵轴切    length=test1.shape[0]    #test1 test2的length和原图等长，可以尝试同时切割    length0= np.split(test1,range(n,length+1,n),axis=0)#左闭右开所以+1    length1=length0[::2]    length2=length0[1::2]    #数组的拼接    test3 = np.concatenate(length1,axis=0)    test4 = np.concatenate(length2,axis=0)    return test3#返回处理后的数组对象，test1,test2,test3,test4都是一样的，此处返回一组即可test3=cut_jpg(jpg_path,5)#保存图片plt.imsave("test305.jpg",test3)

- EOF -

推荐阅读   点击标题可跳转

1、Numpy高级操作大全！！！

2、这一招将 Numpy 加速 700 倍！！！

3、70 道 NumPy 测试题

觉得本文对你有帮助？请分享给更多人

关注「Python开发者」加星标，提升Python技能

点赞和在看就是最大的支持❤️