python图像处理:像素处理

版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/Hanging_Gardens/article/details/79014160

利用Imgae.open()打开图像,再利用PIL对象进行操作。这样只是简单的处理,一旦操作复杂就比较困难。而像素级的处理与许多复杂操作相关。所以,通常我们在加载完图片后,都是把图片转换成矩阵来进行复杂操作。

一般情况,在pyton中进行数字图像处理,都需要导入这些包:

from PIL import Image
import numpy as np
import matplotlib.pyplot as plt

打开并转换图像成矩阵,并显示:

from PIL import Image
import numpy as np
import matplotlib.pyplot as plt
img=np.array(Image.open('/home/keysen/caffe/examples/images/cat.jpg')) #打开图像并转化为数字矩阵
plt.figure('cat')
plt.imshow(img)
plt.axis('off')
plt.show()

调用numpy中的array()函数就可以将PIL对象转换为数组对象。图片信息:

print (img.shape)
print (img.dtype)
print (img.size)
print (type(img))

output

(360, 480, 3)
uint8
518400
< type ‘numpy.ndarray’ >

如果是RGB图片,那么转换为array之后,就变成了一个rows*cols*channels的三维矩阵,因此,我们可以使用img[i,j,k]来访问像素值。

示例1:打开图片,并随机添加一些椒盐噪声

from PIL import Image
import numpy as np
import matplotlib.pyplot as plt
img=np.array(Image.open('/home/keysen/caffe/examples/images/cat.jpg')) #打开图像并转化为数字矩阵

#随机生成5000个椒盐
rows,cols,dims=img.shape
for i in range(5000):
    x=np.random.randint(0,rows)
    y=np.random.randint(0,cols)
    img[x,y,:]=255

plt.figure("cat_salt")
plt.imshow(img)
plt.axis('off')
plt.show()

output

这里写图片描述

示例2:将图像二值化,像素值大于128的变为1,否则变为0

from PIL import Image
import numpy as np
import matplotlib.pyplot as plt
img=np.array(Image.open('/home/keysen/caffe/examples/images/cat.jpg').convert('L')) #打开图像并转化为数字矩阵

rows,cols=img.shape
for i in range(rows):
    for j in range(cols):
        if (img[i,j]<=128):
            img[i,j]=0
        else:
            img[i,j]=1

plt.figure("cat_black&white")
plt.imshow(img,cmap='gray')
plt.axis('off')
plt.show()

output

这里写图片描述

如果要对多个像素点进行操作,可以使用数组切片方式访问。切片方式返回的是以指定间隔下标访问该数组的像素值。下面是有关灰度图像的一些例子:

img[i,:] = im[j,:] # 将第 j 行的数值赋值给第 i 行

img[:,i] = 100 # 将第 i 列的所有数值设为 100

img[:100,:50].sum() # 计算前 100 行、前 50 列所有数值的和

img[50:100,50:100] # 50~100 行,50~100 列(不包括第 100 行和第 100 列)

img[i].mean() # 第 i 行所有数值的平均值

img[:,-1] # 最后一列

img[-2,:] (or im[-2]) # 倒数第二行

为您推荐了相关的技术文章:

  1. NSA如何定位泄密女临时工?E安全为您还原追踪全貌! | E安全
  2. CVE-2017-2416 GIF表情引发的远程代码执行
  3. 高效使用 Python 可视化工具 Matplotlib - Python - 伯乐在线
  4. 绕过混合内容警告 - 在安全的页面加载不安全的内容
  5. Bypassing CSP using polyglot JPEGs

原文链接: blog.csdn.net