python图像处理基本操作总结(PIL库、Matplotlib及Numpy)


Posted in Python onJune 08, 2021

一、PIL库对图像的基本操作

1、读取图片

PIL网上有很多介绍,这里不再讲解。直接操作,读取一张图片,将其转换为灰度图像,并打印出来。

from  PIL  import Image
import matplotlib.pyplot as plt
pil_im = Image.open("empire.jpeg")
pil_image = pil_im.convert("L")
plt.gray()
plt.imshow(pil_image)
plt.show()

输出如下所示:

python图像处理基本操作总结(PIL库、Matplotlib及Numpy)

2、转换图片格式

PIL可以将图像保存为多种格式,下面将PNG格式文件保存为JPG格式:

from PIL import Image
import glob
import os
filelist = glob.glob("E:/pythonProject1/filelist/*.png")
for infile in filelist:
    outfile = os.path.splitext(infile)[0]+'.jpg'
 
    if infile  != outfile:
        try:
            Image.open(infile).save(outfile)
        except IOError:
            print("cannot convert", infile)

输出结果如下所示:

python图像处理基本操作总结(PIL库、Matplotlib及Numpy)

3、输出文件夹中所有图片的文件名列表

import os
def get_imlist(path):
    """返回目录中所有JPG图像的文件名列表"""
    return [os.path.join(path,f)for f in os.listdir(path) if f.endswith('.jpg')]
print(get_imlist("E:/pythonProject1/filelist/"))

输出为文件名列表

二、Matplotlib

1、绘制图像、点和线

from PIL import Image
from pylab import *
 
#读取图像到数组中
im = array(Image.open("empire.jpeg"))
 
#绘制图像
imshow(im)
 
#一些点
x = [100, 100, 400, 400]
y = [200, 500, 200, 500]
 
#使用红色星状标记绘制点
plot(x, y)#默认为蓝色实线
# plot(x, y, 'r*')#红色星状标记
# plot(x, y, 'go-')#带有圆圈标记的绿线
# plot(x, y, 'ks')#带有正方形标记的黑色虚线
 
#绘制连接前三个点的线
plot(x[:3], y[:3])
axis('off')
 
#添加标题,显示绘制的图像
titles = ['empire']
plt.title = titles
show()

上面的代码首先绘制出原始图像,然后在 x 和 y 列表中给定点的 x 坐标和 y 坐标上绘制出红色星状标记点,最后在两个列表表示的前两个点之间绘制一条线段。该例子的绘制结果下图:

python图像处理基本操作总结(PIL库、Matplotlib及Numpy)

2、图像轮廓和直方图

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,这里用 PIL 的 convert() 方法将图像转换成灰度图像。图像的直方图用来表征该图像像素值的分布情况。

from PIL import Image
from pylab import *
 
# 读取图像到数组中
im = array(Image.open("empire.jpeg").convert('L'))
 
#创建一个图像
figure()
#不使用颜色信息
gray()
#在原点的左上角显示轮廓图像
contour(im, origin = 'image')#检测图像轮廓
axis('equal')
axis('off')
show()
#新建一个图像
figure
hist(im.flatten(), 128)#绘制图像直方图
show()

图像轮廓图输出如下所示:

python图像处理基本操作总结(PIL库、Matplotlib及Numpy)

输出图像直方图如下所示:

python图像处理基本操作总结(PIL库、Matplotlib及Numpy)

3、交互式标注

在一幅图像中标记一些点,或者标注一些训练数据。PyLab 库中的 ginput() 函数就可以实现交互式标注。在图像点击三次,则程序会自动将这3个点的坐标点[x, y]保存到x列表里。

from PIL import Image
from pylab import *
 
im = array(Image.open("empire.jpeg"))
imshow(im)
print("please click 3 points")
x = ginput(3)
print("you clicked",x)
show()

三、Numpy

1、图像数组表示

对于图像数据,下面的例子阐述了这一点

from PIL import Image
import numpy as np
 
im = np.array(Image.open("empire.jpeg"))
print(im.shape,im.dtype)

输出为:
(1024, 683, 3) uint8

 每行的第一个元组表示图像数组的大小(行、列、颜色通道),紧接着的字符串表示数组元素的数据类型。因为图像通常被编码成无符号八位整数(uint8),载入图像并将其转换到数组中,数组的数据类型为“uint8”。

2、灰度变换

对图像进行灰度变换,如下所示:

from PIL import Image
import numpy as np
 
im = np.array(Image.open("empire.jpeg"))
print(im.shape,im.dtype)
 
from PIL import Image
from matplotlib.pylab import plt
from numpy import *
 
im1 = array(Image.open('empire.jpeg').convert('L'))
im2 = 255 - im1 #对图像进行反向处理
im3 = (100.0/255) * im1 + 100 #将图像值变换到100-200之间
im4 = 255.0 * (im1/255) ** 2 #对图像像素值求平方后得到的图像
 
images = [im1, im2, im3, im4]
titles = ["f(x) = x", "f(x) = 255 - x", "f(x) = (100/255)*x +100", "f(x) = 255*(x/255)^2"]
#输出图中的最大像素值和最小像素值
print(int(im1.min()),int(im1.max()))
print(int(im2.min()),int(im2.max()))
print(int(im3.min()),int(im3.max()))
print(int(im4.min()),int(im4.max()))
 
for i in range(4):
    plt.subplot(2, 2, i+1)#2行2列,按编号顺序排列
    plt.imshow(images[i])#显示图像
    plt.title(titles[i])#显示标题
    plt.gray()
    # plt.xticks([])
    # plt.yticks([])
    plt.axis('equal')
    plt.axis('off')
plt.show()

输出接入如下所示:

python图像处理基本操作总结(PIL库、Matplotlib及Numpy)

总结

到此这篇关于python图像处理基本操作的文章就介绍到这了,更多相关python图像处理操作内容请搜索三水点靠木以前的文章或继续浏览下面的相关文章希望大家以后多多支持三水点靠木!

Python 相关文章推荐
python 输出一个两行字符的变量
Feb 05 Python
Python中的作用域规则详解
Jan 30 Python
python django使用haystack:全文检索的框架(实例讲解)
Sep 27 Python
Django中的文件的上传的几种方式
Jul 23 Python
Python自定义一个类实现字典dict功能的方法
Jan 19 Python
详解pandas.DataFrame中删除包涵特定字符串所在的行
Apr 04 Python
Python学习笔记之变量、自定义函数用法示例
May 28 Python
python中多个装饰器的调用顺序详解
Jul 16 Python
Python列表去重复项的N种方法(实例代码)
May 12 Python
在 Python 中使用 MQTT的方法
Aug 18 Python
python3.7 openpyxl 在excel单元格中写入数据实例
Sep 01 Python
详解使用python爬取抖音app视频(appium可以操控手机)
Jan 26 Python
Django drf请求模块源码解析
Python中OpenCV实现查找轮廓的实例
python字符串的多行输出的实例详解
Jun 08 #Python
Python机器学习之基于Pytorch实现猫狗分类
Python中json.load()和json.loads()有哪些区别
python 爬取哔哩哔哩up主信息和投稿视频
Jun 07 #Python
OpenCV-Python直方图均衡化实现图像去雾
You might like
索尼SONY ICF-SW7600GR电路分析与改良
2021/03/02 无线电
PHP开发不能违背的安全规则 过滤用户输入
2011/05/01 PHP
php的数组与字符串的转换函数整理汇总
2013/07/18 PHP
学习php设计模式 php实现桥梁模式(bridge)
2015/12/07 PHP
php 算法之实现相对路径的实例
2017/10/17 PHP
Javascript 事件流和事件绑定
2009/07/16 Javascript
Js sort排序使用方法
2011/10/17 Javascript
前台js改变Session的值(用ajax实现)
2012/12/28 Javascript
js实现日期级联效果
2014/01/23 Javascript
javaScript如何跳出多重循环break、continue
2016/09/01 Javascript
js实现表单及时验证功能 用户信息立即验证
2016/09/13 Javascript
JavaScript函数节流和函数防抖之间的区别
2017/02/15 Javascript
使用canvas及js简单生成验证码方法
2017/04/02 Javascript
详解AngularJs路由之Ui-router-resolve(预加载)
2017/06/13 Javascript
vue获取当前激活路由的方法
2018/03/17 Javascript
vue实现简单loading进度条
2018/06/06 Javascript
判断iOS、Android以及PC端的示例代码
2018/11/15 Javascript
Vue.Draggable拖拽功能的配置使用方法
2020/07/29 Javascript
vue+SSM实现验证码功能
2018/12/07 Javascript
不刷新网页就能链接新的js文件方法总结
2020/03/01 Javascript
基于node+websocket+html实现腾讯课堂聊天室聊天功能
2020/03/04 Javascript
Python使用xlrd读取Excel格式文件的方法
2015/03/10 Python
Zabbix实现微信报警功能
2016/10/09 Python
python基于Selenium的web自动化框架
2019/07/14 Python
Python爬虫库requests获取响应内容、响应状态码、响应头
2020/01/25 Python
Python+kivy BoxLayout布局示例代码详解
2020/12/28 Python
美国艺术和工艺品商店:Hobby Lobby
2020/12/09 全球购物
精彩的大学生自我评价
2013/11/17 职场文书
2014元旦晚会策划方案
2014/02/19 职场文书
秸秆管理实施方案
2014/03/15 职场文书
大学生入党自荐书
2015/03/05 职场文书
2015年精神文明建设工作总结
2015/04/21 职场文书
2015年工商所工作总结
2015/05/21 职场文书
2016年社区植树节活动总结
2016/03/16 职场文书
2019财务转正述职报告
2019/06/27 职场文书
nginx部署多前端项目的几种方法
2021/05/25 Servers