day3 Numpy应用案例（1）

Numpy应用案例

注：使用numpy库来对图像进行处理。这里我们使用matplotlib.pyplot的相关方法来辅助。
对于彩色图像，可以认为是由RGB三个通道构成的。每个最低维就是一个通道。分别提取R（红色），G（绿色），B（蓝色）三个通道，并显示单通道的图像。

对图像的操作，其实就是对三维数组[R,G,B]中的值的修改。

1、图像读取与显示

• plt.imread：读取图像，返回图像的数组。
• plt.imshow：显示图像。
• plt.imsave：保存图像。

说明：

• imread方法默认只能处理png格式的图像，如果需要处理其他格式的图像，需要安装pillow库。

import numpy as np
import matplotlib.pyplot as plt

# 读取图像数据，返回ndarray数组。
a = plt.imread("C:/Users/hubert/Desktop/数据分析就业班(上海3万培训班)/数据分析/1.jpg")
print(type(a))
print(a.shape)
# 显示图像。(传递表示图像的ndarray数组对象)
plt.imshow(a)
# 保存图像
plt.imsave("C:/Users/hubert/Desktop/数据分析就业班(上海3万培训班)/数据分析/python.jpg", a) 

2、显示纯色图像

• 显示白色图像（创建一个数组，值都是255）
• 显示黑色图像（创建一个数组，值都是0）
• 显示指定颜色图像（通过截图可以看到RGB像素大小）

图像可以有两种表示方式：

1. 使用无符号的np.uint8，取值是0-255
2. 使用float类型表示，取值是0.0-1.0。其中float类型的0.0对应整数的0，float类型的1.0对应整数类型的1.0

a = np.zeros([400,400,3])
# 显示图像。(传递表示图像的ndarray数组对象)
plt.imshow(a)

或者

a = np.full((100,100,3),0,dtype=np.uint8)
# 显示图像。(传递表示图像的ndarray数组对象)
plt.imshow(a)

# float类型
a = np.ones([100,100,3])
plt.imshow(a)

或者

# np.uint8类型
b = np.full((100,100,3),255,dtype=np.uint8)
plt.imshow(b)

# 显示指定颜色（228,238,249）
a = np.full((100,100,3),1,dtype=np.uint8)
a[:] = [228,238,249]   # 广播
plt.imshow(a)

a = np.zeros([400,400,3])+ [0,255,0]
plt.imshow(a)

3、转换为灰度图（将三维变成二维）

标准算法：
灰度图的数据可以看成是二维数组，元素取值为0 ~ 255，其中，0为黑色，255为白色。从0到255逐渐由暗色变为亮色。灰度图转换（ITU-R 601-2亮度变换）：

L = R * 299 / 1000 + G * 587 / 1000 + B * 114 / 1000

R,G,B为最低维的数据。
显示灰度图时，需要在imshow中使用参数：

cmap="gray"

# 读取图像数据，返回ndarray数组。
a = plt.imread("C:/Users/hubert/Desktop/数据分析就业班(上海3万培训班)/数据分析/1.jpg")
print(a.shape)  # 三维。3通道
x=np.dot(a,[0.299,0.587,0.114])  # 对位相乘再相加
print(x.shape)  # 二维。单通道
plt.imshow(x,cmap="gray")

不正规算法：
以上转换为标准的公式，我们也可以采用不正规的方式：

• 使用最大值代替整个最低维(前两个不变，最后一个变）
• 使用最小值代替整个最低维
• 使用平均值代替整个最低维

# 读取图像数据，返回ndarray数组。
a = plt.imread("C:/Users/hubert/Desktop/数据分析就业班(上海3万培训班)/数据分析/1.jpg")
# x=np.max(a,axis=2)  
# x=np.min(a,axis=2) 
x=np.mean(a,axis=2) 
plt.imshow(x,cmap="gray")

# 读取图像数据，返回ndarray数组。
a = plt.imread("C:/Users/hubert/Desktop/数据分析就业班(上海3万培训班)/数据分析/1.jpg")
# 将三种放在一起展示
fig,ax = plt.subplots(2,2)
fig.set_size_inches(5,5)  # 画布大小
ax[0,0].imshow(np.dot(a,[0.299,0.587,0.114]),cmap="gray")
ax[0,1].imshow(np.max(a,axis=2) ,cmap="gray")
ax[1,0].imshow(np.min(a,axis=2) ,cmap="gray")
ax[1,1].imshow(np.mean(a,axis=2) ,cmap="gray")
plt.tight_layout()  # 自动调整间距

4、图像颜色通道

对于彩色图像，可以认为是由RGB三个通道构成的。每个最低维就是一个通道。分别提取R，G，B三个通道，并显示单通道的图像。

# RGB图像近似认为是有R,G,B三种胶片叠加而成，提取单通道就是让其他为0
a = plt.imread("C:/Users/hubert/Desktop/数据分析就业班(上海3万培训班)/数据分析/1.jpg")
R=a.copy()
G=a.copy()
B=a.copy()
# 提取红色通道
R[:,:,[1,2]]=0
# 提取绿色通道
G[:,:,[0,2]]=0
# 提取蓝色通道
B[:,:,[0,1]]=0
fig,ax = plt.subplots(2,2)
fig.set_size_inches(5,5)  # 画布大小
ax[0,0].imshow(R)
ax[0,1].imshow(G)
ax[1,0].imshow(B)
ax[1,1].imshow(a)
plt.tight_layout()  # 自动调整间距

5、图像重复（利用数组拼接技术）

• 将图像沿着水平方向重复三次。
• 将图像沿着垂直方向重复两次。
• 将图像沿着水平方向重复两次，垂直重复三次。

a = plt.imread("C:/Users/hubert/Desktop/数据分析就业班(上海3万培训班)/数据分析/1.jpg")
# 将图像沿着水平方向重复三次。
print(a.shape)
b=np.concatenate((a,a,a),axis=1)
print(b.shape)
# 将图像沿着垂直方向重复两次
c=np.concatenate((a,a),axis=0)
print(c.shape)
# 将图像沿着水平方向重复两次，垂直重复三次。
d=np.concatenate((a,a),axis=1)
d=np.concatenate((d,d,d),axis=0)
print(d.shape)
fig,ax = plt.subplots(2,2)
fig.set_size_inches(5,5)  # 画布大小
ax[0,0].imshow(a)
ax[0,1].imshow(b)
ax[1,0].imshow(c)
ax[1,1].imshow(d)
plt.tight_layout()  # 自动调整间距

6、图像镜面对称

• 将图像水平镜面转换。
• 将图像垂直镜面转换。

a = plt.imread("C:/Users/hubert/Desktop/数据分析就业班(上海3万培训班)/数据分析/1.jpg")
# 将图像沿着水平方向重复三次。
b=a.copy()
d=a.copy()
# 将图像水平镜面转换。（只需要将列进行颠倒，行不变）
b=b[:,::-1]
#  将图像垂直镜面转换。（只需要将行进行颠倒，列不变）
d=d[::-1,:]
fig,ax = plt.subplots(2,2)
fig.set_size_inches(5,5)  # 画布大小
ax[0,0].imshow(a)
ax[0,1].imshow(b)
ax[1,0].imshow(a)
ax[1,1].imshow(d)
plt.tight_layout()  # 自动调整间距

7、左右旋转

• 将图像向左旋转90 / 180度。
• 将图像向右旋转90 / 180度。

a = plt.imread("C:/Users/hubert/Desktop/数据分析就业班(上海3万培训班)/数据分析/1.jpg")
b=a.copy()
c=a.copy()
d=a.copy()
e=a.copy()
# 将图像向左旋转90 (转置后头还在原位置，所以还得垂直颠倒)
# 注意不能直接转置，我们只转置【高，宽，像素】中的高和宽，转成【宽，高，像素】而不是【像素，宽，高】
b=b.swapaxes(0,1)
b=b[::-1,:]
#  将图像向右旋转90(转置后头还在原位置，所以还得水平颠倒)
d=d.swapaxes(0,1)
d=d[:,::-1]
# 将图像向左旋转180 ==向右旋转180(将图像分别进行水平和垂直颠倒，先哪个都行)
c=c[::-1,:]
c = c[:,::-1]
#  将图像向右旋转180
e=e[:,::-1]
e=e[::-1,:]
fig,ax = plt.subplots(2,3)
fig.set_size_inches(5,5)  # 画布大小
ax[0,0].imshow(a)
ax[0,1].imshow(b)
ax[0,2].imshow(c)
ax[1,0].imshow(a)
ax[1,1].imshow(d)
ax[1,2].imshow(e)
plt.tight_layout()  # 自动调整间距

8、颜色转换

在图像中，用绿色值代替以前的红色值，用蓝色值代替以前的绿色值，用红色值代替以前的蓝色值。

a = plt.imread("C:/Users/hubert/Desktop/数据分析就业班(上海3万培训班)/数据分析/1.jpg")
plt.imshow(a[:,:,[1,2,0]])

9、颜色遮挡 / 叠加

• 在指定的区域使用特定的纯色去遮挡图像。
• 在指定的区域使用随机生成的图像去遮挡图像。
• 使用小图像放在大图像上。

a = plt.imread("C:/Users/hubert/Desktop/数据分析就业班(上海3万培训班)/数据分析/1.jpg")
# 在指定的区域使用特定的纯色去遮挡图像。
b=a.copy()
b[300:500,600:800] = [0,255,0]
plt.imshow(b)

# 在指定的区域使用随机生成的图像去遮挡图像。
a = plt.imread("C:/Users/hubert/Desktop/数据分析就业班(上海3万培训班)/数据分析/1.jpg")
print(a.shape)
c=a.copy()
e=np.random.randint(0,256,(200,200,3),dtype=np.uint8)
c[300:500,600:800] = e
plt.imshow(c)

a = plt.imread("C:/Users/hubert/Desktop/数据分析就业班(上海3万培训班)/数据分析/1.jpg")
# 使用小图像放在大图像上。
d=a.copy()
k=d[200:400,1000:1200]
d[300:500,600:800] = k
plt.imshow(d)

10、图像分块乱序

将图像分成若干块子图像（例如10 * 10），然后打乱各子图像顺序（拼图）。

a = plt.imread("C:/Users/hubert/Desktop/数据分析就业班(上海3万培训班)/数据分析/1.jpg")
# 将图像的两部分进行组合
t=a.copy()
t=np.concatenate((t[100:300,:,:],t[600:800,:,:]),axis=0)
plt.imshow(t)

a = plt.imread("C:/Users/hubert/Desktop/数据分析就业班(上海3万培训班)/数据分析/1.jpg")
# 将图像拆分为一条一条的
t=a.copy()
height=t.shape[0]
# 1、对数据进行切分
li=np.split(t,range(30,height,30),axis=0)
# 2、洗牌
np.random.shuffle(li)  # 就地修改
# 3、合并
t=np.concatenate(li,axis=0)
plt.imshow(t)