python实现图片处理和特征提取详解


Posted in Python onNovember 13, 2017

python实现图片处理和特征提取详解

这是一张灵异事件图。。。开个玩笑,这就是一张普通的图片。

毫无疑问,上面的那副图画看起来像一幅电脑背景图片。这些都归功于我的妹妹,她能够将一些看上去奇怪的东西变得十分吸引眼球。然而,我们生活在数字图片的年代,我们也很少去想这些图片是在怎么存储在存储器上的或者去想这些图片是如何通过各种变化生成的。

在这篇文章中,我将带着你了解一些基本的图片特征处理。data massaging 依然是一样的:特征提取,但是这里我们还需要对跟多的密集数据进行处理,但同时数据清理是在数据库、表、文本等中进行。这是如何对图片进行处理的呢?我们将看到图片是怎么存储在硬盘中的,同时我们可以通过使用基本的操作来处理图片。
导入图片

在python中导入图片是非常容易的。下面的代码就是python如何导入代码的:

python实现图片处理和特征提取详解

代码解释:

这幅图片有一些颜色和许多像素组成,为了形象这幅图片是如何存储的,把每一个像素想象成矩阵中的每一个元素。现在这些元素包含三个不同的密度信息,分别为颜色红、绿、蓝(RGB)。所以一个RGB的图片就变成了三维的矩阵。每一个数字就是颜色的密度(RGB)

让我们来看看一些转化:

python实现图片处理和特征提取详解

就像你在上面看到的一样,我们对三个颜色维度进行了一些操作转变。黄色不是一种直接表示的颜色,它是红色和绿色的组合色。我们通过设置其他颜色密度值为零而得到了这些变化。

将图像转换为二维矩阵

处理图像的三维色有时可能是很复杂和冗余的。如果我们压缩图像为二维矩阵,在特征提取后,它将变得更简单。这是通过灰度图像或二值化(Binarizing)图像。当图片显示为不同灰色强度组合时灰度图像比二值化(Binarizing)图像颜色更加饱满,而二值化(binarzing)只是简单的构建一个充满0和1的二维矩阵而已。

这里将叫你如何将RGB图片转变成灰度图像:

python实现图片处理和特征提取详解

就如你所见,图片的维度已经降为了两种灰度值了,然而图片的特征在两幅图片中依然清晰可见。这就是为什么灰色图像在硬盘上存贮更加节约空间。

现在让我们来二值化灰色图像,这是通过找到阀值和灰色度像素标志(flagging the pixels of Grayscale)。在这篇文章中我已经通过Otsu‘s方法来找到阀值的,Otsu‘s方法是通过最大化两类不同像素点之间的距离来计算最优阀值的,也就是说这个阀值最小化了同类间的变量值。

python实现图片处理和特征提取详解

模糊化图片

本文最后部分我们将介绍更多有关特征提取的内容:图像模糊。灰度或二值图像有时需要捕获更多的图像而模糊图像在这样的场景下是非常方便的。例如,在这张图片如果铁路轨道比鞋子更加重要,模糊处理将会添加跟多的值。从这个例子中我们对模糊处理变得更清晰。模糊算法需要将邻近像素的加权平均值加到周围每个颜色像素中。下面是一个模糊处理的例子:

python实现图片处理和特征提取详解

对上面的照片模糊处理后,我们清楚地看到鞋已经与铁路轨道具有相同的密度等级。因此,在许多场景中这种技术非常方便。
让我们看一个实际例子。我们想在一个小镇的照片上统计的人数。但是照片上还有一些建筑图像。现在建筑背后的人的颜色强度会低于建筑本身。因此,这些人我们就难以计数。模糊处理场景后才能平衡建筑和人在图像中的颜色强度。

完整的代码:

image = imread(r"C:\Users\Tavish\Desktop\7.jpg")
show_img(image)

red, yellow = image.copy(), image.copy()
red[:,:,(1,2)] = 0
yellow[:,:,2]=0
show_images(images=[red,yellow], titles=['Red Intensity','Yellow Intensity'])

from skimage.color import rgb2gray
gray_image = rgb2gray(image)
show_images(images=[image,gray_image],titles=["Color","Grayscale"])
print "Colored image shape:", image.shape
print "Grayscale image shape:", gray_image.shape

from skimage.filter import threshold_otsu
thresh = threshold_otsu(gray_image)
binary = gray_image > thresh
show_images(images=[gray_image,binary_image,binary],titles=["Grayscale","Otsu Binary"])

from skimage.filter import gaussian_filter
blurred_image = gaussian_filter(gray_image,sigma=20)
show_images(images=[gray_image,blurred_image],titles=["Gray Image","20 Sigma Blur"])

总结

以上就是本文关于python实现图片处理和特征提取详解的全部内容,希望对大家有所帮助。感兴趣的朋友可以继续参阅本站:

如有不足之处,欢迎留言指出。感谢朋友们对本站的支持!

Python 相关文章推荐
Python中map和列表推导效率比较实例分析
Jun 17 Python
Python监控主机是否存活并以邮件报警
Sep 22 Python
Python的socket模块源码中的一些实现要点分析
Jun 06 Python
Python读写txt文本文件的操作方法全解析
Jun 26 Python
python连接数据库的方法
Oct 19 Python
Android分包MultiDex策略详解
Oct 30 Python
Python正则表达式匹配和提取IP地址
Jun 06 Python
Django模型序列化返回自然主键值示例代码
Jun 12 Python
python字典嵌套字典的情况下找到某个key的value详解
Jul 10 Python
python并发编程 Process对象的其他属性方法join方法详解
Aug 20 Python
pyinstaller打包成无控制台程序时运行出错(与popen冲突的解决方法)
Apr 15 Python
上帝为你开了一扇窗之Tkinter常用函数详解
Jun 02 Python
Queue 实现生产者消费者模型(实例讲解)
Nov 13 #Python
python图像常规操作
Nov 11 #Python
python中实现k-means聚类算法详解
Nov 11 #Python
Python编程之基于概率论的分类方法:朴素贝叶斯
Nov 11 #Python
Python内存管理方式和垃圾回收算法解析
Nov 11 #Python
Python实现的人工神经网络算法示例【基于反向传播算法】
Nov 11 #Python
python中使用正则表达式的后向搜索肯定模式(推荐)
Nov 11 #Python
You might like
深入PHP数据加密详解
2013/06/18 PHP
解析获取优酷视频真实下载地址的PHP源代码
2013/06/26 PHP
php文件夹与文件目录操作函数介绍
2013/09/09 PHP
PHP实现合并两个排序链表的方法
2018/01/19 PHP
基于jQuery的ajax功能实现web service的json转化
2009/08/29 Javascript
jquery ready()的几种实现方法小结
2010/06/18 Javascript
JS中的public和private对象,即static修饰符
2012/01/18 Javascript
JQuery 操作/获取table具体代码
2013/06/13 Javascript
js导出格式化的excel 实例方法
2013/07/17 Javascript
探讨JQUERY JSON的反序列化类 using问题的解决方法
2013/12/19 Javascript
使用JavaScript获取地址栏参数的方法
2014/12/19 Javascript
jQuery中:empty选择器用法实例
2014/12/30 Javascript
jQuery实现的简单提示信息插件
2015/12/08 Javascript
jQuery动态添加可拖动元素完整实例(附demo源码下载)
2016/06/21 Javascript
最棒的Angular2表格控件
2016/08/10 Javascript
浅谈AngularJS中ng-class的使用方法
2016/11/11 Javascript
详解vue2.0 使用动态组件实现 Tab 标签页切换效果(vue-cli)
2017/08/30 Javascript
微信小程序 input输入及动态设置按钮的实现
2017/10/27 Javascript
vue 设置路由的登录权限的方法
2018/07/03 Javascript
微信小程序实现录制、试听、上传音频功能(带波形图)
2020/02/27 Javascript
JS判断数组四种实现方法详解
2020/06/29 Javascript
在nuxt中使用路由重定向的实例
2020/11/06 Javascript
python中split方法用法分析
2015/04/17 Python
python使用post提交数据到远程url的方法
2015/04/29 Python
Python将阿拉伯数字转换为罗马数字的方法
2015/07/10 Python
Django中的CBV和FBV示例介绍
2018/02/25 Python
Django框架创建mysql连接与使用示例
2019/07/29 Python
TFRecord文件查看包含的所有Features代码
2020/02/17 Python
详解Python高阶函数
2020/08/15 Python
Python 程序员必须掌握的日志记录
2020/08/17 Python
解决pytorch 模型复制的一些问题
2021/03/03 Python
css3 column实现卡片瀑布流布局的示例代码
2018/06/22 HTML / CSS
Linux面试题LINUX系统类
2014/11/19 面试题
学校领导班子四风对照检查材料
2014/09/27 职场文书
鲁迅故里导游词
2015/02/05 职场文书
浅谈音视频 pts dts基本概念及理解
2022/08/05 数码科技