数字图像处理之python篇二:图像通道\几何变换\裁剪

一、图像通道

1、彩色图像转灰度图

from PIL import Image
import matplotlib.pyplot as plt
img=Image.open(‘d:/ex.jpg‘)
gray=img.convert(‘L‘)
plt.figure("beauty")
plt.imshow(gray,cmap=‘gray‘)
plt.axis(‘off‘)
plt.show()

使用函数convert()来进行转换,它是图像实例对象的一个方法,接受一个 mode 参数,用以指定一种色彩模式,mode 的取值可以是如下几种:

· 1 (1-bit pixels, black and white, stored with one pixel per byte)

· L (8-bit pixels, black and white)

· P (8-bit pixels, mapped to any other mode using a colour palette)

· RGB (3x8-bit pixels, true colour)

· RGBA (4x8-bit pixels, true colour with transparency mask)

· CMYK (4x8-bit pixels, colour separation)

· YCbCr (3x8-bit pixels, colour video format)

· I (32-bit signed integer pixels)

· F (32-bit floating point pixels)

2、通道分离与合并

from PIL import Image
import matplotlib.pyplot as plt
img=Image.open(‘d:/ex.jpg‘)  #打开图像
gray=img.convert(‘L‘)   #转换成灰度
r,g,b=img.split()   #分离三通道
pic=Image.merge(‘RGB‘,(r,g,b)) #合并三通道
plt.figure("beauty")
plt.subplot(2,3,1), plt.title(‘origin‘)
plt.imshow(img),plt.axis(‘off‘)
plt.subplot(2,3,2), plt.title(‘gray‘)
plt.imshow(gray,cmap=‘gray‘),plt.axis(‘off‘)
plt.subplot(2,3,3), plt.title(‘merge‘)
plt.imshow(pic),plt.axis(‘off‘)
plt.subplot(2,3,4), plt.title(‘r‘)
plt.imshow(r,cmap=‘gray‘),plt.axis(‘off‘)
plt.subplot(2,3,5), plt.title(‘g‘)
plt.imshow(g,cmap=‘gray‘),plt.axis(‘off‘)
plt.subplot(2,3,6), plt.title(‘b‘)
plt.imshow(b,cmap=‘gray‘),plt.axis(‘off‘)
plt.show()

二、裁剪图片

从原图片中裁剪感兴趣区域(roi),裁剪区域由4-tuple决定,该tuple中信息为(left, upper, right, lower)。 Pillow左边系统的原点(0,0)为图片的左上角。坐标中的数字单位为像素点。

from PIL import Image
import matplotlib.pyplot as plt
img=Image.open(‘d:/ex.jpg‘)  #打开图像
plt.figure("beauty")
plt.subplot(1,2,1), plt.title(‘origin‘)
plt.imshow(img),plt.axis(‘off‘)

box=(80,100,260,300)
roi=img.crop(box)
plt.subplot(1,2,2), plt.title(‘roi‘)
plt.imshow(roi),plt.axis(‘off‘)
plt.show()

用plot绘制显示出图片后,将鼠标移动到图片上,会在右下角出现当前点的坐标,以及像素值。

三、几何变换 

Image类有resize()、rotate()和transpose()方法进行几何变换。

 1、图像的缩放和旋转

dst = img.resize((128, 128))
dst = img.rotate(45) # 顺时针角度表示
2、转换图像
dst = im.transpose(Image.FLIP_LEFT_RIGHT) #左右互换
dst = im.transpose(Image.FLIP_TOP_BOTTOM) #上下互换
dst = im.transpose(Image.ROTATE_90)  #顺时针旋转
dst = im.transpose(Image.ROTATE_180)
dst = im.transpose(Image.ROTATE_270)
transpose()和rotate()没有性能差别。
时间: 2024-10-16 15:49:10

数字图像处理之python篇二:图像通道\几何变换\裁剪的相关文章

数字图像处理之python篇四:图像中的像素访问

前面的一些例子中,我们都是利用Image.open()来打开一幅图像,然后直接对这个PIL对象进行操作.如果只是简单的操作还可以,但是如果操作稍微复杂一些,就比较吃力了.因此,通常我们加载完图片后,都是把图片转换成矩阵来进行更加复杂的操作. python中利用numpy库和scipy库来进行各种数据操作和科学计算.我们可以通过pip来直接安装这两个库 pip install numpy pip install scipy 以后,只要是在python中进行数字图像处理,我们都需要导入这些包: fr

数字图像处理之python篇一:打开\显示\保存图像

一提到数字图像处理,可能大多数人就会想到matlab,但matlab也有自身的缺点: 1.不开源,价格贵 2.软件容量大.一般3G以上,高版本甚至达5G以上. 3.只能做研究,不易转化成软件. 因此,我们这里使用python这个脚本语言来进行数字图像处理. 要使用python,必须先安装python,一般是2.7版本以上,不管是在windows系统,还是linux系统,安装都是非常简单的. 要使用python进行各种开发,就必须安装对应的库.这和matlab非常相似,只是matlab里面叫工具箱

Win8 Metro(C#)数字图像处理--2.56简单统计法图像二值化

原文:Win8 Metro(C#)数字图像处理--2.56简单统计法图像二值化  [函数名称] 简单统计法图像二值化 WriteableBitmap StatisticalThSegment(WriteableBitmap src) /// <summary> /// Statistical method of image segmention. /// </summary> /// <param name="src">The source im

【数字图像处理】三.MFC实现图像灰度、采样和量化功能详解

本文主要讲述基于VC++6.0 MFC图像处理的应用知识,主要结合自己大三所学课程<数字图像处理>及课件进行讲解,主要通过MFC单文档视图实现显示BMP格式图片,并通过Bitmap进行灰度处理.图片采样和量化功能. 个人认为对初学者VC++6.0可能还是很值得学习的工具,所以采用它来讲解,而不是VS或C#.同时文章比较详细基础,希望该篇文章对你有所帮助~ [数字图像处理]一.MFC详解显示BMP格式图片 [数字图像处理]二.MFC单文档分割窗口显示图片 免费资源下载地址: http://dow

python数字图像处理(2):图像的读取、显示与保存

skimage提供了io模块,顾名思义,这个模块是用来图片输入输出操作的.为了方便练习,也提供一个data模块,里面嵌套了一些示例图片,我们可以直接使用. 引入skimage模块可用: from skimage import io 一.从外部读取图片并显示 读取单张彩色rgb图片,使用skimage.io.imread(fname)函数,带一个参数,表示需要读取的文件路径.显示图片使用skimage.io.imshow(arr)函数,带一个参数,表示需要显示的arr数组(读取的图片以numpy数

python数字图像处理(5):图像的绘制

实际上前面我们就已经用到了图像的绘制,如: io.imshow(img) 这一行代码就是得利用matplotlib包对图片进行绘制,绘制成功后,返回一个matplotlib类型的数据.要显示绘制的图片,我们可以调用show()函数来进行显示,但进行练习的时候,一般我们可以省略show()函数,也能自动显示出来. from skimage import io,data img=data.astronaut() dst=io.imshow(img) print(type(dst))io.show()

python数字图像处理(7):图像的形变与缩放

图像的形变与缩放,使用的是skimage的transform模块,函数比较多,功能齐全. 1.改变图片尺寸resize 函数格式为: skimage.transform.resize(image, output_shape) image: 需要改变尺寸的图片 output_shape: 新的图片尺寸 from skimage import transform,data import matplotlib.pyplot as plt img = data.camera() dst=transfor

python数字图像处理(10):图像滤波

对图像进行滤波,可以有两种效果:一种是平滑滤波,用来抑制噪声:另一种是微分算子,可以用来检测边缘和特征提取. skimage库中通过filters模块进行滤波操作. 1.sobel算子 sobel算子可用来检测边缘 函数格式为:skimage.filters.sobel(image, mask=None) from skimage import data,filters import matplotlib.pyplot as plt img = data.camera() edges = fil

python数字图像处理(11):图像自动阈值分割

图像阈值分割是一种广泛应用的分割技术,利用图像中要提取的目标区域与其背景在灰度特性上的差异,把图像看作具有不同灰度级的两类区域(目标区域和背景区域)的组合,选取一个比较合理的阈值,以确定图像中每个像素点应该属于目标区域还是背景区域,从而产生相应的二值图像. 在skimage库中,阈值分割的功能是放在filters模块中. 我们可以手动指定一个阈值,从而来实现分割.也可以让系统自动生成一个阈值,下面几种方法就是用来自动生成阈值. 1.threshold_otsu 基于Otsu的阈值分割方法,函数调