Python缩小图像

LyncLynn用途:

缩小图像

# -*- coding: UTF-8 -*-

#Version: V1.0
#Author:lynclynn
#CreateDate:20151201
#UpdateDate:
#Description:Change the picture 

from PIL import Image

#打开源图像
img= Image.open("E:\Python\Code\me.jpg")
print img.format,img.size,img.mode

#缩小图像，保存
new_img=img.resize((731,1187),Image.BILINEAR)
new_img.save("E:\Python\Code1\me1.jpg")
print new_img.format,new_img.size,new_img.mode

Python缩小图像的相关文章

Python: scikit-image 图像的基本操作

这个用例说明Python 的图像基本运算 import numpy as np from skimage import data import matplotlib.pyplot as plt camera = data.camera() # 将图像前面10行的值赋为0 camera[:10] = 0 # 寻找图像中像素值小于87的像素点 mask = camera < 87 # 将找到的点赋值为255 camera[mask] = 255 # 建立索引 inds_x = np.arange(l

python基本图像操作

Python基本图像操作使用python进行基本的图像操作与处理前言: 与早期计算机视觉领域多数程序都是由 C/C++ 写就的情形不同.随着计算机硬件速度越来越快,研究者在考虑选择实现算法语言的时候会更多地考虑编写代码的效率和易用性,而不是像早年那样把算法的执行效率放在首位.这直接导致近年来越来越多的研究者选择 Python 来实现算法. 今天在计算机视觉领域,越来越多的研究者使用 Python 开展研究,所以有必要去学习一下十分易用的python在图像处理领域的使用,这篇博客将会介绍如何使

Python实现图像直方图均衡化算法

title: "Python实现图像直方图均衡化算法" date: 2018-06-12T17:10:48+08:00 tags: [""] categories: ["python"] 效果图代码 #!/usr/bin/env python3 # coding=utf-8 import matplotlib.image as mpimg from matplotlib import pyplot as plt import sys impor

python处理图像矩阵--值转为int

1. 在用python处理图像数字矩阵时,若对矩阵进行了加减乘除等运算,可能会造成矩阵元素值溢出,然后某些元素值可能都被赋为255:之后若重新显示图像,可能会没有什么变化,此时,可以将运算后的矩阵值转换为int,再返回. 2. 还要注意,读取图像然后转为 numpy 数组,此时的数组是 int 矩阵,但是将 numpy 数组经过运算得到的很可能是 float 矩阵,但最后若还要用 numpy 类型的数组进行显示(如plt),则在显示前,需要转为 int 矩阵,否则很可能看不出图像变化. 原文地址

python实现图像膨胀和腐蚀算法

如果您觉得本文不错!记得点赞哦! 一. 图像形态学简介: 经验之谈:形态学操作一般作用于二值图像,来连接相邻的元素(膨胀)或分离成独立的元素(侵蚀).腐蚀和膨胀是针对图片中的白色(即前景)部分! 二. 图像形态学操作膨胀和腐蚀的算法: 膨胀算法: 对于待操作的像素 f(x,y),不论 f(x,y-1) .f(x,y+1) .f(x-1,y) .f(x+1,y) 哪一个为255,则 f(x,y)=255. 膨胀操作 ↑ 换句话说:将待操作的图像像素与以下 4-近邻矩阵相乘,结果大于255的话

python+opencv 图像预处理

一 python 生成随机字符串序列+ 写入到图片上 from PIL import Image,ImageDraw,ImageFont import numpy as np import random import string import cv2 # 生成随机字符串 for i in range(1,10000): strnum = random.randint(2,10) ran_str = "".join(random.sample(string.ascii_letters

Opencv python图像处理-图像相似度计算

一.相关概念一般我们人区分谁是谁,给物品分类,都是通过各种特征去辨别的,比如黑长直.大白腿.樱桃唇.瓜子脸.王麻子脸上有麻子,隔壁老王和儿子很像,但是儿子下巴涨了一颗痣和他妈一模一样,让你确定这是你儿子. 还有其他物品.什么桌子带腿.镜子反光能在里面倒影出东西,各种各样的特征,我们通过学习.归纳,自然而然能够很快识别分类出新物品. 而没有学习训练过的机器就没办法了. 但是图像是一个个像素点组成的,我们就可以通过不同图像之间这些差异性就判断两个图的相似度了.其中颜色特征是最常用的,(其余常用的特

python 区分图像大小（A2、A3、A4）

#!/usr/bin/env python#说明,本人对象负责的项目有大量的加工图像,分别有A2 A3 A4 等规格,且这些图像都是在一起存储,按照相关的档案顺序全组:现在让我分别统计一共的图像数量以及A2 A3 A4数量,经过一晚努力,现将代码公布如下: #这里主要用到了Image这个模块,需要自行下载 #路径注意事项:在Windows里,需要将路径中的\全部改成// import osimport os.pathimport ImageA2=0A3=0A4=0total = 0 roo

python——对图像进行卷积操作，使用多个滤波器

线性滤波可以说是图像处理最基本的方法,它可以允许我们对图像进行处理,产生很多不同的效果.做法很简单.首先,我们有一个二维的滤波器矩阵(有个高大上的名字叫卷积核)和一个要处理的二维图像.然后,对于图像的每一个像素点,计算它的邻域像素和滤波器矩阵的对应元素的乘积,然后加起来,作为该像素位置的值.这样就完成了滤波过程. 对图像和滤波矩阵进行逐个元素相乘再求和的操作就相当于将一个二维的函数移动到另一个二维函数的所有位置,这个操作就叫卷积或者协相关.卷积和协相关的差别是,卷积需要先对滤波矩阵进行180的翻