Python——基本图像操作和处理

一、安装及环境配置

对于python的安装从一开始就十分不顺利，在用什么版本和是否自带库上纠结。第一次先单独安装了Python2.7版本没有自带库，后面发现要下载并安装三方库麻烦复杂，于是就卸载了。之后又尝试安装了pythonxy，在导入pcv时也遇到了无法解决的报错。最后选择安装群里的Anaconda2，功能强大且有大量自带库。没想到装完后cmd测试也没有顺利通过，anaconda点开之后闪退，检查之后发现也不是环境变量的配置问题，以为是安装包的问题，又去镜像网站重新下。由于对这方面了解还不够，来来回回装卸好几次，最后才找到解决的办法。报错原因是因为Python在进行编码方式之间的转换时，会将 unicode 作为“中间编码”，但 unicode 最大只有128那么长，所以这里当尝试将 ascii 编码字符串转换成"中间编码" unicode 时由于超出了其范围，就报出了错误。解决方法是在位于python的安装路径下的Lib\mimetypes.py文件，在import下添加如下几行：

if sys.getdefaultencoding() != 'gbk':
     reload(sys)
     sys.setdefaultencoding('gbk')

保存再去cmd中测试，成功通过！说明ana安装完成了，最后下了Pycharm，在里面写代码十分方便。

二、使用Pycharm进行基础图像处理

1.图像轮廓和直方图

1.1基本原理

因为绘制轮廓需要对每个坐标 [x, y] 的像素值施加同一个阈值，所以首先需要将图像灰度化：
convert（）：将图像转为灰度图像
hist（）：绘制灰度图像直方图。因为 hist() 只接受一维数组作为输入，所以我们在绘制图像直方图之前，必须先用flatten（）对图像进行压平处理。flatten() 方法可以将任意数组按照行优先准则转换成一维数组。
array() ：将图像转换成NumPy的数组对象。NumPy中的数组对象是多维的,可以用来表示向量、矩阵和图像。通过对图像的数组进行直接操作，就可以完成很多图像处理。
im=Image.open(’…/data/empire.jpg’)：读取图片
convert()：用于不同模式图像之间的转换。PIL中有九种不同模式，分别为1，L，P，RGB，RGBA，CMYK，YCbCr，I，F。模式L为灰色图像，它的每个像素用8个bit表示，0表示黑，255表示白，其他数字表示不同的灰度。在PIL中，从模式“RGB”转换为“L”模式是按照下面的公式转换的：
L = R * 0.299 + G * 0.587+ B * 0.114
contourf()、contour()：用来画等高线图。
图像的直方图用来表征该图像像素值的分布情况。用一定数目的小区间（bin）来指定表征像素值的范围，每个小区间会得到落入该小区间表示范围的像素数目。该（灰度）图像的直方图可以使用hist() 函数绘制： figure()
hist(im.flatten(),128)
show()

1.2代码实现

# encoding:utf-8
from PIL import Image
from pylab import *
mpl.rcParams['font.sans-serif'] = ['SimHei']


im = array(Image.open('D:/ZY.jpg').convert('L'))

figure()
subplot(121)
gray()
contour(im, origin='image')
axis('equal')