模块六：image、transform模块

最新推荐文章于 2024-05-17 05:54:42 发布
最新推荐文章于 2024-05-17 05:54:42 发布
阅读量1.1k 收藏 2
点赞数
分类专栏： # pygame 文章标签： pygame python 开发语言
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_49346755/article/details/122406303
版权

image模块主要用于加载和保存图片，返回一个Surface对象。而transform模块主要用于处理图像，主要包括反转、旋转、缩放、过滤图像等等。在pygame中，图片不是用Image对象来表示，而是用Surface对象来表示。image模块的方法比较简单，下面用一个例子介绍一下各个方法。

# 加载图片
# 支持基本格式 BMP
# 也支持扩展格式
# GIF（非动画）、JPEG、LBM（和PBM, PGM, PPM）、PCX、PNG、PNM、
# SVG （有限支持，使用 Nano SVG）、TGA （未压缩）、TIFF、WEBP、XPM
image_surface1 = pygame.image.load("test.png")
# 只支持基本格式
image_surface2 = pygame.image.load_basic("test.bmp")
# 只支持扩展格式
image_surface3 = pygame.image.load_extended("test.png")
# 将图像Surface转换成字符串string
image_string = pygame.image.tostring(image_surface1, "RGBA")
# 将字符串string转换成图像Surface
image_surface4 = pygame.image.fromstring(image_string, 65535)
byte_string = ""
image_surface5 = pygame.image.frombuffer(byte_string, 65535)
# 保存图片
# 基本格式和扩展格式均可
pygame.image.save(image_surface5, "test2.png")
# 只支持扩展格式
pygame.image.save_extended(image_surface5, "test3.png")
# 获取正在使用的 SDL_Image 库的版本号
pygame.image.get_sdl_image_version()
# 测试是否可以加载扩展图像格式
pygame.image.get_extended()

最常用的方法就是下面两个：

pygame.image.load(filename)

filename:文件名

pygame.image.save(surface, filename)

surface:图像对象
filename:文件名

对于一个Surface对象，有如下方法：

dest = (0, 0, 200, 200)
area = (0, 0, 100, 100)
# 将一个图像surface绘制到另外一个surface中
# 参数source表示要绘制的图像surface
# 参数dest表示要绘制到surface中哪一个rect中
# 参数area表示绘制图像surface中的哪一个rect
surface.blit(image_surface, dest, area)
# 将多个图像surface绘制到另外一个surface中
# 参数blit_sequence表示一个序列[(source1, dest1, area1),...]
# 参数doreturn如果为True则表示返回一个矩形rect序列，False则表示不返回任何
blit_sequence = [(image_surface, dest, area)]
doreturn = False
surface.blits(blit_sequence, doreturn)
# 根据另外一个surface的格式来转换当前的surface，并产生一个新的surface
surface1 = surface.convert(surface)
# 更改当前surface的像素格式，包括alpha通道
surface2 = surface.convert_alpha(surface)
# 复制surface
surface3 = surface.copy()
# 用纯色来填充surface，并返回一个rect
# 参数color表示填充的颜色
# 参数rect表示填充在surface中的某个rect中
color = (255, 0, 0)
rect = (20, 20, 40, 40)
rect1 = surface.fill(color, rect)
# 移动surface到另外一个位置
# 参数dx、dy表示在x和y方向的偏移量
dx, dy = 20, 20
surface.scroll(dx, dy)
# 设置surface的colorkey
surface.set_colorkey(color)
# 获取surface的colorkey
surface.get_colorkey()
# 设置图像surface的alpha值，0-255之间，0表示完全透明，255表示不透明
value = 255
surface.set_alpha(255)
# 获取图像的alpha值
surface.get_alpha()
# 锁定图像surface
surface.lock()
# 解锁图像surface
surface.unlock()
# 测试surface是否需要锁定
surface.mustlock()
# 测试surface是否锁定
surface.get_locked()
# 获取surface的锁
surface.get_locks()
# 获取和设置surface在点(x, y)上的像素值
x, y = 20, 20
surface.get_at((x, y))
surface.set_at((x, y), color)
# 获取surface在（x, y）上映射的像素颜色值
surface.get_at_mapped((x, y))
# 获取调色板
surface.get_palette()
# 获取调色板单个条目的颜色
index = 0
surface.get_palette_at(index)
# 设置调色板
surface.set_palette()
# 设置调色板某个条目的颜色
surface.set_palette_at(index, color)
# 将颜色转换成映射的颜色值
mapped_int = surface.map_rgb(color)
# 将映射的颜色值转换成颜色
surface.unmap_rgb(mapped_int)
# 设置surface的剪切区域
surface.set_clip(rect)
# 获取surface的剪切区域
surface.get_clip()
# 根据原来的surface以及rect区域生成一个新的surface
surface.subsurface(rect)
# 获取当前surface的父类surface
surface.get_parent()
# 获取当前surface的最顶层父类surface
surface.get_abs_parent()
# 获取surface的子类surface
surface.get_offset()
# 获取surface的最底层子类surface
surface.get_abs_offset()
# 获取surface的大小、宽度、高度、矩形
surface.get_size()
surface.get_width()
surface.get_height()
surface.get_rect()
# 获取surface像素格式的位深度
surface.get_bitsize()
# 获取surface每个像素使用的字节数
surface.get_bytesize()
# 获取surface的标志
surface.get_flags()
# 返回包含曲面中alpha值大于或等于最小alpha值的所有像素的最小矩形区域
min_alpha = 0
surface.get_bounding_rect(min_alpha)
# 返回Surface像素的缓冲区视图
# kind 参数是长度为 1 的字符串 '0'、'1'、'2'、'3'、'r'、'g'、'b' 或 'a'。
# 字母不区分大小写；'A' 也可以。参数可以是 Unicode 或字节 (char) 字符串。默认值为“2”。
# “0”返回一个连续的非结构化字节视图。没有给出表面形状信息。ValueError如果表面的像素不连续，则A会升高。
# '1' 返回一个 (surface-width * surface-height) 连续像素数组。
# ValueError如果表面像素不连续，则提高A。
# '2' 返回原始像素的（表面宽度，表面高度）数组。像素是表面字节大小 d 无符号整数。
# 像素格式是特定于表面的。24 位表面的 3 字节无符号整数不太可能被其他 pygame 函数以外的任何东西接受。
# '3' 返回一个 (surface-width, surface-height, 3)RGB颜色分量数组。
# 红色、绿色和蓝色分量中的每一个都是无符号字节。仅支持 24 位和 32 位表面。
# 颜色分量必须在像素内按顺序排列RGB。BGR
# 'r' 代表红色，'g' 代表绿色，'b' 代表蓝色，'a' 代表 alpha
# 返回表面内单个颜色分量的（表面宽度，表面高度）视图：颜色平面。
# 颜色分量是无符号字节。24 位和 32 位表面都支持“r”、“g”和“b”。
# SRCALPHA仅支持“a”的32 位表面 。
kind = 1
surface.get_view(kind)
# 获取Surface像素的缓冲区对象
surface.get_buffer()

transform模块的函数如下：

image_surface = pygame.image.load("test.png")
image_rect = image_surface.get_rect()
# 翻转图片
flip_x, flip_y = True, False
image_surface1 = pygame.transform.flip(image_surface, flip_x, flip_y)
# 缩放图片
size = (320, 240)
image_surface2 = pygame.transform.scale(image_surface, size)
# 旋转图片
angle = 15.0
image_surface3 = pygame.transform.rotate(image_surface, angle)
# 旋转缩放图片,参数scale的作用是当前分辨率与之相乘
angle = 15.0
scale = 2.0
image_surface4 = pygame.transform.rotozoom(image_surface, angle, scale)
# 图像的大小变成原来的两倍
image_surface5 = pygame.transform.scale2x(image_surface)
# 平滑缩放图片
size = (640, 480)
image_surface6 = pygame.transform.smoothscale(image_surface, size)
# 返回smoothscale方法使用的过滤器版本
backend = pygame.transform.get_smoothscale_backend()
# 设置smoothscale方法使用的过滤器版本，有三个可选值'GENERIC', 'MMX', or 'SSE'
backend = 'SSE'
pygame.transform.set_smoothscale_backend(backend)
# 裁剪图片
rect = pygame.Rect(100, 100, 100, 100)
image_surface7 = pygame.transform.chop(image_surface, rect)
# 获取图片的轮廓
image_surface8 = pygame.transform.laplacian(image_surface)
# 从多个图片中获取平均的图片
image_surface9 = pygame.transform.average_surfaces(image_surfaces)
# 获取图片的平均颜色
image_surface10 = pygame.transform.average_color(image_surface, rect)
不负韶华ღ
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
Image Transform- 图像变换
01-06
图像变换讲义，写得很详细。 Distance transform, Fourier transform, Hough transform.
transform转换模块
坤音女孩的博客
11-18 438
1、transform: rotate(30deg); /* 旋转，正值顺时针，负值逆时针 */ 2、transform: translate(100px, 100px); /* 位移，第一个值：水平，第二个值：垂直 */ 3、transform: scale(0.6); /* 缩放，0-1缩小 大于1放大 */ 4、transform:rotate(60deg) translate(100px,...
Python图像处理PIL各模块详细介绍_pil image(5)
最新发布
2301_76224223的博客
05-17 794
Python崛起并且风靡，因为优点多、应用领域广、被大牛们认可。学习 Python 门槛很低，但它的晋级路线很多，通过它你能进入机器学习、数据挖掘、大数据，CS等更加高级的领域。Python可以做网络应用，可以做科学计算，数据分析，可以做网络爬虫，可以做机器学习、自然语言处理、可以写游戏、可以做桌面应用…Python可以做的很多，你需要学好基础，再选择明确的方向。这里给大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！
css3 的transform模块
Pzx的博客
04-13 211
Transform字面上就是变形，改变的意思。在CSS3中transform主要包括以下几种：旋转rotate、扭曲skew、缩放scale和移动translate以及矩阵变形matrix。下面我们一起来看看CSS3中transform的旋转rotate、扭曲skew、缩放scale和移动translate具体如何实现，老样子，我们就从transform的语法开始吧。 语法： transform ...
图像经过transform后的显示
qq_35482604的博客
05-26 1241
TenCrop 功能：在图像的上下左右以及中心裁剪出尺寸为size的5张图片，在这五张图片上进行水平或者垂直镜像获得10张图片； transform_test = transforms.Compose([ transforms.TenCrop(cut_size), transforms.Lambda(lambda crops: torch.stack([transforms.ToTensor()(crop) for crop in crops])), ]) img = Image.from
PyTorch学习之Transforms模块
incipe
08-01 714
PyTorch学习之Transforms模块
transform模块机制
study_happy66的博客
07-20 146
torchvision transforms：查用图像预处理方法 datasets：常用数据集的dataset实现，MINIST model：常用模型预训练 VGG transforms Compose:对transforms中的方法有序的组合 toTensor：将图片转成张量的形式，并且归一化（将像素值的区间皈依化到0-1） 测试的时候需要增强，验证的时候不需要增强 传给Dataset,构建Dataset,然后构建DataLoader transform.Normalize： 将数据.
imagehash：Python感知图像哈希模块
02-05
`imagehash`库主要采用了一种称为平均像素差（Average Pixel Difference，APHash）和离散余弦变换（Discrete Cosine Transform，DCT）的组合算法。首先，图像会被缩放到较小尺寸，然后进行DCT变换，提取主要的频率...
test_用pygame模块开发游戏_
10-02
使用`pygame.image.load()`加载图片，并通过`pygame.transform.scale()`调整大小，使其适应窗口。 事件处理是游戏交互的关键。`pygame.event.get()`用于获取用户输入，如键盘按键或鼠标点击。玩家通过键盘控制飞船...
image_changer:image_changer_js_example
06-22
除了使用 Canvas，`image_changer` 还可能结合 CSS3 的 `transform` 属性进行图像变换，如旋转 (`rotate`)、缩放 (`scale`)、平移 (`translate`)。这种方式不需要 JavaScript 直接处理像素，而是由浏览器硬件加速，...
scikit_image-0.20.0.tar.gz
02-06
`transform`模块提供了这些功能，例如`transform.warp`可以对图像应用任意的坐标变换。 7. **深度学习集成**：尽管scikit-image本身并不包含深度学习模型，但它可以与其他深度学习框架（如TensorFlow、PyTorch）...
imageTransform3D.js
05-15
html5实现3D图片效果所用的js脚步文件imageTransform3D.js。html5实现3D图片效果所用的js脚步文件imageTransform3D.js。
babel-plugin-transform-modules-amd
05-13
@ babel / plugin-transform-modules-amd 该插件将ES2015模块转换为 。 例子 在 export default 42 ; 出去 define ( [ "exports" ] , function ( exports ) { "use strict" ; Object . defineProperty ( exports , "__esModule" , { value : true } ) ; exports . default = 42 ; } ) ; 安装 npm install --save-dev @babel/plugin-transform-modules-amd 用法 通过.babelrc （推荐） .babelrc { " plugins " : [ " @babel/plugin-transf
Image-Slider:带有香草javascript的简单图像滑块
05-30
10. **封装和模块化**：将滑块的功能封装成一个可复用的组件，可能包括初始化、更新、销毁等方法，以方便在多个页面或项目中重用。 在提供的`Image-Slider-master`压缩包中，你可能会找到以下文件： - `index....
keras的图像预处理全攻略（一）——基本的图像变换(Image Transform)方法
热门推荐
MIss-Y的博客
05-10 1万+
keras中主要提供了主要的四个模块： （1）......\Lib\site-packages\keras\preprocessing\image.py (这个不完全，完全的详细的参考下面的序号2) （2）......\Lib\site-packages\keras_preprocessing\image.py （3）......\Lib\site-packages\keras...
【C#/WPF】Image图片的Transform变换：平移、缩放、旋转
weixin_30955617的博客
08-14 596
【C#/WPF】Image图片的Transform变换：平移、缩放、旋转 原文:【C#/WPF】Image图片的Transform变换：平移、缩放、旋转 WPF中图像控件Image的变换属性Transform： 平移 缩放 旋转 即要想实现图片...
压缩图片：images模块基本使用
酸菜鱼带师的博客
06-10 656
压缩图片iamge基本使用小扩展 这里使用images来压缩图片 下载依赖包： npm install thrift iamge基本使用 inPath：要压缩的文件 outPath：压缩后的文件 myQuality：是输出质量，决定图片文件压缩的程度 var images = require("images"); images(inPath).save(outPath, { quality: myQuality //保存图片到文件,图片质量为50 }); 小扩展 需
PEAR Image_Transform 使用
在水一方
06-10 643
PEAR Image_Transform 使用 由于要生成上传图片的Thumbnail,所以在网上搜索了几个PHP的GD库.通过测试发现PEAR的Image_Transform库不错.Image_Transform0.9.0 (alpha)的安装虽然说安装不怎么麻烦,但是却因为这个而折腾了2个多小时:(.主要就是因为路径的缘故.下面是我的Image_transform的路径关系(相
【源码系列】Faster RCNN源码详解（一）——transform
capsule的博客
02-24 756
Faster RCNN的源码总结
Swin-Transform模块代码详细
07-14
以下是Swin-Transform模块的详细代码示例： ```python import torch import torch.nn as nn import torch.nn.functional as F class SwinTransformer(nn.Module): def __init__(self, image_size=224, patch_size=4, embed_dim=96, depths=[2, 2, 6, 2], num_heads=[3, 6, 12, 24], num_classes=1000): super(SwinTransformer, self).__init__() assert image_size % patch_size == 0, "image size must be divisible by patch size" num_patches = (image_size // patch_size) ** 2 patch_dim = 3 * patch_size ** 2 # Patch Embedding self.patch_embed = nn.Conv2d(3, embed_dim, kernel_size=patch_size, stride=patch_size) self.pos_embed = nn.Parameter(torch.zeros(1, num_patches + 1, embed_dim)) self.cls_token = nn.Parameter(torch.zeros(1, 1, embed_dim)) # Transformer Encoder self.transformer_encoder = TransformerEncoder(embed_dim, depths, num_heads) # Classification Head self.head = nn.Linear(embed_dim, num_classes) def forward(self, x): x = self.patch_embed(x) # [batch_size, embed_dim, H', W'] x = x.flatten(2).transpose(1, 2) # [batch_size, num_patches, embed_dim] batch_size, num_patches, _ = x.shape cls_tokens = self.cls_token.expand(batch_size, -1, -1) # [batch_size, 1, embed_dim] x = torch.cat((cls_tokens, x), dim=1) # [batch_size, num_patches+1, embed_dim] x = x + self.pos_embed # [batch_size, num_patches+1, embed_dim] x = self.transformer_encoder(x) x = x.mean(dim=1) # [batch_size, embed_dim] x = self.head(x) # [batch_size, num_classes] return x class TransformerEncoder(nn.Module): def __init__(self, embed_dim, depths, num_heads): super(TransformerEncoder, self).__init__() self.layers = nn.ModuleList() for i in range(len(depths)): self.layers.append(TransformerEncoderLayer(embed_dim, depths[i], num_heads[i])) def forward(self, x): for layer in self.layers: x = layer(x) return x class TransformerEncoderLayer(nn.Module): def __init__(self, embed_dim, depth, num_heads): super(TransformerEncoderLayer, self).__init__() self.attention_norm = nn.LayerNorm(embed_dim) self.ffn_norm = nn.LayerNorm(embed_dim) self.attention = Attention(embed_dim, num_heads) self.ffn = FeedForwardNetwork(embed_dim) self.depth = depth def forward(self, x): residual = x for _ in range(self.depth): x = x + self.attention_norm(self.attention(x)) x = x + self.ffn_norm(self.ffn(x)) return x class Attention(nn.Module): def __init__(self, embed_dim, num_heads): super(Attention, self).__init__() self.embed_dim = embed_dim self.num_heads = num_heads self.head_dim = embed_dim // num_heads self.qkv = nn.Linear(embed_dim, embed_dim * 3) self.proj = nn.Linear(embed_dim, embed_dim) def forward(self, x): qkv = self.qkv(x) q, k, v = torch.split(qkv, self.embed_dim, dim=-1) q = q.reshape(*q.shape[:-1], self.num_heads, self.head_dim).transpose(-2, -3) k = k.reshape(*k.shape[:-1], self.num_heads, self.head_dim).permute(0, 2, 3, 1) v = v.reshape(*v.shape[:-1], self.num_heads, self.head_dim).transpose(-2, -3) attn_scores = torch.matmul(q, k) / (self.head_dim ** 0.5) attn_scores = F.softmax(attn_scores, dim=-1) attn_output = torch.matmul(attn_scores, v) attn_output = attn_output.transpose(-2, -3).reshape(*attn_output.shape[:-3], self.embed_dim) x = self.proj(attn_output) return x class FeedForwardNetwork(nn.Module): def __init__(self, embed_dim): super(FeedForwardNetwork, self).__init__() self.ffn = nn.Sequential( nn.Linear(embed_dim, 4 * embed_dim), nn.GELU(), nn.Linear(4 * embed_dim, embed_dim) ) def forward(self, x): return self.ffn(x) ``` 这就是Swin-Transform模块的详细代码。你可以将这段代码集成到你的FFANet模型中，并根据需要进行调整。记得根据实际情况修改输入输出尺寸、深度、头数等模块的参数。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

不负韶华ღ

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值