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列表计数及插入实例
Dec 17 Python
Python线程的两种编程方式
Apr 14 Python
用Python写脚本,实现完全备份和增量备份的示例
Apr 29 Python
Python lambda表达式用法实例分析
Dec 25 Python
Python 使用 PyMysql、DBUtils 创建连接池提升性能
Aug 14 Python
Python values()与itervalues()的用法详解
Nov 27 Python
Python实现Wordcloud生成词云图的示例
Mar 30 Python
Python PIL库图片灰化处理
Apr 07 Python
numpy 矩阵形状调整:拉伸、变成一位数组的实例
Jun 18 Python
PyTorch的torch.cat用法
Jun 28 Python
Pytest单元测试框架如何实现参数化
Sep 05 Python
Python利用matplotlib绘制散点图的新手教程
Nov 05 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
重置版游戏视频
2020/04/09 魔兽争霸
PHP 文章中的远程图片采集到本地的代码
2009/07/30 PHP
phpstorm编辑器乱码问题解决
2014/12/01 PHP
Codeigniter发送邮件的方法
2015/03/19 PHP
深入理解php printf() 输出格式化的字符串
2016/05/23 PHP
详解PHP素材图片上传、下载功能
2019/04/12 PHP
JS 面向对象之神奇的prototype
2011/02/26 Javascript
javascript中onmouse事件在div中失效问题的解决方法
2012/01/09 Javascript
JQuery自动触发事件的方法
2015/06/13 Javascript
JS 动态判断PC和手机浏览器实现代码
2016/09/21 Javascript
ES6中Array.copyWithin()函数的用法实例详解
2017/09/16 Javascript
JS函数节流和函数防抖问题分析
2017/12/18 Javascript
VSCode配置react开发环境的步骤
2017/12/27 Javascript
ES6基础之数组和对象的拓展实例详解
2019/08/22 Javascript
[06:20]2015国际邀请赛第三日top10
2015/08/08 DOTA
python 调用c语言函数的方法
2017/09/29 Python
Python SqlAlchemy动态添加数据表字段实例解析
2018/02/07 Python
Django Rest framework之权限的实现示例
2018/12/17 Python
Django使用redis缓存服务器的实现代码示例
2019/04/28 Python
python requests证书问题解决
2019/09/05 Python
python多进程使用函数封装实例
2020/05/02 Python
HTML5操作WebSQL数据库的实例代码
2017/08/26 HTML / CSS
Canvas在超级玛丽游戏中的应用详解
2021/02/06 HTML / CSS
印度网上购物首选目的地:Flipkart
2016/08/01 全球购物
韩国家庭购物网上商店:Nsmall
2017/05/07 全球购物
应聘教师自荐信
2013/10/12 职场文书
科室工作个人总结的自我评价
2013/10/29 职场文书
员工拓展培训方案
2014/02/15 职场文书
《九色鹿》教学反思
2014/02/27 职场文书
房屋租赁协议书范本
2014/04/10 职场文书
迁户口计划生育证明
2014/10/19 职场文书
关于安全的广播稿
2014/10/23 职场文书
小学生节约用水倡议书
2019/08/12 职场文书
Go语言使用select{}阻塞main函数介绍
2021/04/25 Golang
解析目标检测之IoU
2021/06/26 Python
Java实现二维数组和稀疏数组之间的转换
2021/06/27 Java/Android