python 处理图像(绿色亮度)

# coding=utf-8
import Image
import os
import csv
import numpy as np
# open
img_path = r"G:\kangyufeng\pics"

def myimage(img_path):
    try:
        img_list = os.listdir(img_path)
    except:
        print ‘not a document‘
        return
    Bigm = 0.01
    for img in img_list:
        if "tif" in img:
            print img
            im = Image.open(img_path+‘\\‘+img)
            #im.save("%s%s"%(img.split(".")[-2],‘.jpeg‘))

            w,l=im.size
            source = im.split()

            R,G,B = 0,1,2
            S = 0

            count = 1
            mtr = np.array(source[G])
            mtr.transpose()

            mtr = mtr[l/2-300:l/2+300]

            mtr = mtr.reshape(1,w*600)
            print len(mtr[0])
            mmean = mtr.mean()

            print mmean
            for i in mtr[0]:
                if i > mmean/10:
                    S += i
                    count += 1
            m = S/count
            if Bigm < m:
                Bigm = m
            print m,count

            with open("%s%s%s%s" % (img_path,‘\\‘,img_path.split(‘\\‘)[-1],‘_results.csv‘),‘ab‘) as f: #如果不使用‘ab‘方式只用’a‘会产生多余空行
                f = csv.writer(f,dialect=‘excel‘)
                f.writerow([img,str(m),str(float(m)/Bigm*float(img_path.split(‘_‘)[-1]))+‘Mmol/L‘])
        else:
            if ‘csv‘ not in img:
                myimage(img_path+‘\\‘+img)

myimage(img_path)
时间: 2024-12-19 00:36:24

python 处理图像(绿色亮度)的相关文章

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——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

Photoshop脚本 &gt; 图像的亮度和对比度

源自:http://coolketang.com/tutorials/menu3lesson1.php 本节将演示如何使用脚本,调整图像的亮度和对比度.首先创建一个空白的脚本文档,并保存在硬盘上某个位置. 首先创建一个空白的脚本文档,并保存在硬盘上某个位置. 接着输入脚本代码: //定义一个变量[layer],用来表示Photoshop当前文档的当前图层. var layer = app.activeDocument.activeLayer; //定义一个变量[brightness],用来表示修

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

OpenCV笔记(四)——两幅图像线性混合、改变图像的亮度和对比度

一.两幅图像线性混合 线性混合,就是g(x) = a*f1(x) + b*f2(x).其中g为输出,f1.f2为输入.a+b=1. 作用1:线性混合可以用于去噪,假设噪声的产生符合均值为零.标准差的独立分布.多个高斯分布求平均值,即可去除噪声. 作用2:用于两张图片的切换.a从大到小变化,b从小到大变化.g就渐渐从f1变到f2. OpenCV提供了addWeighted函数,完成上述功能: C++: void addWeighted(InputArray src1, double alpha,

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 识别图像主题并切割

两种办法,一种是用百度的API,效果还可以,不过好像每天有50次的调用的限制 from aip import AipImageClassify import cv2 """ 你的 APPID AK SK """ APP_ID = 'X' API_KEY = 'X' SECRET_KEY = 'XX' client = AipImageClassify(APP_ID, API_KEY, SECRET_KEY) """