numpy 图片填充_用numpy做图像处理（上）

在python中进行图像处理，我们有三个好工具：OpenCV, SciKit-Image 和 Pillow。但是在本文中，为了理解一些简单图像处理技术的基础，我们将使用numpy。所以这也是练习numpy的良好教程。

涵盖知识：

图像读取与裁剪，通道分离，颜色变换(爱因斯坦求和约定)，动态gif生成，灰阶转换

图像卷积， 图像分割(大津二值，KMeans像素聚类)，图像矢量化(轮廓提取，内边缘判断，轮廓填充)

导入库并加载图像

import numpy as np

import matplotlib.pylab as plt

# 加载图像

im = plt.imread("BTD.jpg") # 加载当前文件夹中名为BTD.jpg的图片

print(im.shape) # 输出图像尺寸

# (4608, 2592, 3)即(y轴像素点数， x轴像素点数，图像通道数)

# 这里用的是RGB三通道图像，通道数为3

裁剪图像

def plti(im, **kwargs):

"""

画图的辅助函数

"""

plt.imshow(im, interpolation="none", **kwargs)

plt.axis('off') # 去掉坐标轴

plt.show() # 弹窗显示图像

im = im[400:3800,:2000,:] # 直接切片对图像进行裁剪

plti(im)

分离各通道的图像

fig, axs = plt.subplots(nrows=1, ncols=3, figsize=(15,5))

# 将一张图分为1x3个子图，axs为各子图对象构成的列表。figsize为显示窗口的横纵比。

for c, ax in zip(range(3), axs): # 使用zip来同时循环3通道和3个子图对象

tmp_im = np.zeros(im.shape) # 初始化一个和原图像大小相同的三维数组

# 注意 tmp_im 仍然是三通道

tmp_im[:,:,c] = im[:,:,c] # 只复制某一通道

one_channel = im[:,:,c].flatten() # 索引该通道并展平至一维

print("channel", c, " max = ", max(one_channel), "min = ", min(one_channel)) # 输出该通道最大最小的像素值

ax.imshow(tmp_im) # 在子图上绘制

ax.set_axis_off() # 去掉子图坐标轴

# 注意以上 tmp_im 采用的是切片复制

plt.show()

#输出：

#channel 0 max = 220 min = 11

#channel 1 max = 203 min = 10

#channel 2 max = 185 min = 0