python图像库_Python各种图像库的图像的基本读写方式

目前主流的图像库有几下几种：

1. OpenCV2. PIL(Pillow)3. matplotlib.image4. skimage 5. scipy.misc

结论：以上图片库中当属OpenCV最为强大，成熟。

1.1 OpenCV 图像的读取与储存

importcv2#读取图像 直接是numpy矩阵格式

img = cv2.imread('horse.jpg',1) #0表示读入灰色图片，1表示读入彩色图片

cv2.imshow('image',img) #显示图像

print(img.shape) #（height，width，channel）

print(img.size) #像素数量

print(img.dtype) #数据类型

print(img) #打印图像的numpy数组，3纬数组

#储存图像#当前目录储存

cv2.write(‘horse1.jpg',img)

#自定义储存

cv2.write(‘/path_name/’ + str(image_name) + '.jpg',img)

cv2.waitKey()

1.2OpenCV 图像灰化处理

importcv2#方法一

img = cv2.imread('horse.jpg',0) #0表示读入灰色图片,或者使用cv2.IMREAD_GRATSCALE 替代0

cv2.imshow('gray image',img)#方法二

img = cv2.imread('horse.jpg')

gray_img=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

cv2.imshow('gray image',gray_img)print(gray_img.shape) #(height, width)

print(gray_img.size) #像素数量

print(gray_img) #打印图像的numpy数组，2维

cv2.waitKey()

1.3 OpenCV 矩阵格式变换

Why？：OpenCV的矩阵格式 (height, width, channels) -->> 深度学习矩阵类型可能是 (channels，height，width)

importcv2importnumpy as np

img= cv2.imread('horse.jpg',1)

cv2.imshow('image',img)#矩阵格式的变换

print(img.shape)

img= img.transpose(2,0,1) #变换函数

print(img.shape)

#矩阵扩展 (batch_size, channels, height, width) 预测单张图片的操作#加一列作为图片的个数

img = np.expand_dims(img, axis=0) #使用numpy函数

print(img.shape)

#训练阶段构建batch

data_lst =[]

loop:

img= cv2.imread('xxx.jpg')

data_lst.append(img)

data_arr= np.array(data_lst)

1.4 OpenCV 图片归一化 (Data Normalization)

importcv2#为了减少计算量，需要把像素值0-255转换到0-1之间

img = cv2.imread('horse.jpg')

img= img.astype('float') / 255.0 #先转化数据类型为float

print(img.dtype)print(img)

1.5 OpenCV BRG转换为RGB

importcv2

img= cv2.imread('horse.jpg')

img= cv2.cvtColor(img,cv2.COLOR_BGR2RGB) #转为RGB format

print(img)

1.6 OpenCV 访问像素点

importcv2

img= cv2.imread('horse.jpg')

gray_img= cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) #转为Gray image

print(img[4,4]) #3 channels

print(gray_img[4,4]) #1 channel

1.7 OpenCV 感兴趣区域剪切(ROI)

importcv2

img= cv2.imread('horse.jpg')print(img.shape)

roi= img[0:437,0:400] #[y:height,x:width]

cv2.imshow('roi',roi)

cv2.waitKey()

2.1 PIL 图像读取与储存

from PIL importImageimportnumpy as np#图像读取

img = Image.open('horse.jpg')print(img.format) #图片格式

print(img.size) #(width,height)

print(img.mode) #图片通道类型

#将图像转化为矩阵格式

arr =np.array(img)print(arr.shape)print(arr.dtype)#图像储存

new_img =Image.fromarray(arr)

new_img.save('test.jpg')

img.show()

2.2 PIL 图像灰化处理

#图像灰化处理

gray = Image.open('horse.jpg').convert('L')

gray_arr=np.array(gray)print(gray_arr.shape) #(height,width)

print(gray_arr.dtype)print(gray_arr)

gray.show()

2.3 PIL 感兴趣区域剪切

#感兴趣区域剪切

img = Image.open('horse.jpg')

roi= img.crop((0,0,200,200)) #(左上x，左上y，右下x，右下y)

roi.show()

2.4 通道操作

#通道处理

r,g,b = img.split() #分离

img = Image.merge("RGB",(b,g,r)) #合并

img = img.copy() #复制

3.1 Matplotlib 读取和存储图片

importmatplotlib.pyplot as pltimportnumpy as np#图像读取为numpy数组格式

img = plt.imread('horse.jpg')

plt.axis('off') #关闭刻度显示

print(img.shape) #(height, width, channel)

print(img.size) #像素数量

print(img.dtype)#储存图片

plt.savefig('./name.jpg')

figure= plt.figure(figsize=(20,10)) #调整显示图片的大小

plt.imshow(img)

plt.show()

3.2 Matplotlib 图片灰化处理

#图片灰化处理#平均值发

img_mean = img.mean(axis=2)

plt.imshow(img_mean,cmap='gray')

plt.show()#最大值法

img_max = img.max(axis=-1)

plt.imshow(img_max,cmap='gray')

plt.show()#RGB三原色法

gravity = np.array([0.299,0.587,0.114])

img_gravity=np.dot(img,gravity)

plt.imshow(img_gravity,cmap="gray")

plt.show()

4.1 skimage 读取和储存图像

from skimage importio#读取图像numpy数组格式

img = io.imread('horse.jpg')print(img.shape)print(img.dtype)print(img.size)#print(img)

io.imshow(img)#储存图像

io.imsave('test.jpg',img)

4.2 skimage 灰化处理

#图像灰化处理并归一化

img = io.imread('horse.jpg',as_gray=True)print(img.shape)print(img.dtype) #数据类型位float

print(img.size)print(img)

io.imshow(img)

io.show()

5.1 scipy.misc 读取和储存图像

#在1.2.0 之后统一用imageio模块

importimageioimportmatplotlib.pyplot as plt#读取图片为numpy数组

img = imageio.imread('horse.jpg')print(img.dtype)print(img.size) #像素数量

print(img.shape) #(height, width, channels)

plt.imshow(img)

plt.show()print(img)#储存图片

imageio.imsave('test.jpg',img)

未完待续......