【----Python图像读取查看2D----】【----20181218----】

• 推荐一篇Opencv,scikit-image,PIL的简单对比总结：https://oldpan.me/archives/pytorch-transforms-opencv-scikit-image

---

PIL(Pillow)

左上角是坐标原点。
基于PILImage格式转灰度。
PIL使用ImageFilter可以简单做到图像的模糊、边缘增强、锐利、平滑等常见操作。

• 读取

    from PIL import Image
    读图方式 -> open(r'..\\----.jpg') # 读取为Image格式
    保存图片 -> img.save(r'..\\----.jpg')
    查看图像 -> img.show() # 调用系统默认图像查看软件，不支持numpy
    查看图像大小 ->img.size # (1920, 1080)
    缩放 -> img.resize()
  

• 读图-查看-保存

    from PIL import Image
  
    img_path = r"C:\Users\Mint\Desktop\零散\202a492ab1463c906a4bb965ad24d566.jpg"
    img = Image.open(img_path)
    # img  = img .convert('L') # 转灰度
    size = img.size
    print('size',size) # (1920, 1080)
    img_crop = img.crop((750, 200, 1170, 1080)) # (x_start,y_start,x_end,y_end)
    img_crop_resize = img_crop.resize((100,200))
    img_crop.save(r'C:\Users\Mint\Desktop\202a492ab1463c906a4bb965ad24d566.jpg')
    img_crop.show() # 调用系统默认图像查看软件
  

• Image和numpy转换

    img_array = np.asarray(img)
    img = Image.fromarray(img_array)
  

---

OpenCV

左上角是坐标原点。
可以将图像按照色域进行处理。
对图像做采样插值、边缘检测、形态学等处理。

• 读取

    import cv2
    读图方式 -> cv2.imread(img_path) # 读进来直接是numpy格式
    查看图像 -> cv2.imshow('img', img_array) # 格式需numpy，tensor报错
    保存图片 -> cv2.imwrite("...\\----.jpg",img_array) 
  

• 读取-查看-鼠标交互输出像素值与坐标-保存

    import cv2
    import numpy as np
    img_path = 'C:\\Users\\Mint\\Desktop\\90e58f36fc1b0ae42443b69176cc2a75_r.jpg'
    
    img_array = cv2.imread(img_path) 
    # img_array = img_array*255 # (反色调)变换后像素值 = 256 - 变换前像素值
    img_array= cv2.cvtColor(img_array, cv2.COLOR_BGR2GRAY) # 转为灰度图
    # img_array = np.where(img_array>100,255.0,0) # 必须是255.0，255显示全黑
  
    print(type(img_array)) 
    print(img_array.shape) # (128,128,3)
  
    def onmouse(event, x, y, flags, param):
        if event==cv2.EVENT_LBUTTONDOWN:
            print(img_array[y,x],[x,y]) # 像素值 坐标
    cv2.namedWindow('img_array')
    cv2.setMouseCallback("img_array", onmouse)
    
    cv2.imshow('img_array', img_array) # 'img_array'必须保持一致
    cv2.waitKey(0)
    cv2.destroyAllWindows()
    cv2.imwrite('C:\\Users\\Mint\\Desktop\\90e58f36fc1b0a.jpg',img_array)
  

---

matplotlib

左上角是坐标原点。
显示图片同时能随鼠标直接显示像素值及坐标。

• 读取

    import matplotlib.pyplot as plt # 用于显示图片
    import matplotlib.image as mpimg # 用于读取图片
    读图方式 -> mpimg.imread(img_path) # 读进来直接是numpy格式
    查看图像 -> plt.imshow(img_array)
    保存图像 -> plt.imsave("...\\----.jpg",img_array)
    		  -> mpimg.imsave("...\\----.jpg",img_array)
    保存显示 -> plt.savefig() # 必须在plt.show()前面
  

• 读取-转灰度-显示(灰度)-保存(多种方法)

    import matplotlib.pyplot as plt
    import matplotlib.image as mpimg
    import numpy as np
    
    img_path = r'C:\Users\Mint\Desktop\psb.jpg'
    img_array = mpimg.imread(img_path)
    print('type',type(img_array)) # <class 'numpy.ndarray'>
    
    img_array = np.dot(img_array[...,:3], [0.299, 0.587, 0.114]) # RGB转灰度图
    # img_array = np.dot(img_array[:,:,:3], [0.299, 0.587, 0.114])
    print(img_array.shape)
    img_array = np.where(img_array>100,1,0)
    
    # plt.imshow(img_array) # 显示图片
    plt.imshow(img_array,cmap='Greys_r') # 灰度模式(基于灰度array)
    plt.axis('off') # 不显示坐标轴
    plt.savefig('psb_savefig.jpg') # 保存整个显示框
    plt.show()
    plt.imsave(r'C:\Users\Mint\Desktop\psb_plt.jpg',img_array)
    mpimg.imsave(r'C:\Users\Mint\Desktop\psb_mpimg.jpg',img_array) # 等价于上面方法，保存图像完全一致
  

---

skimage(scikit-image)