乐趣区

关于python:关于图像的一些基本操作

jiezi

一、Numpy

# numpy 图像应用 np 来 reshape
img = np.reshape(img,(new_H,new_W,new_C))   
img = img.reshape(new_H,new_W,new_C)         # 另一种写法

# 以上两种写法等价，另外不能去掉“img =”，否则没有 reshape 成果。# new_W*new_H*new_C 必须等于 old_H*old_W*old_C。否则会报错
# 这种 reshape 不倡议用于图像，因为它会搞乱 HW 与 C 之间的关系, 毁坏掉图像 
# numpy 图像应用 np 来 resize
img=np.resize(img,(new_H,new_W,new_C))   
img.resize(new_H,new_W,new_C)      # 另一种写法

# 以上两种写法等价，并且不能加上“img =”，否则会报错。# new_W*new_H*new_C 必须等于 old_H*old_W*old_C。否则会报错
# 这种 resize 也不倡议用于图像，因为它会搞乱 HW 与 C 之间的关系, 毁坏掉图像 
img = np.zeros((H,W),dtype=np.uint8)

二、CV2

# 读取 numpy 图像
img = cv2.imread('test.jpg', 0)   # 这个参数 0，等价于：cv2.IMREAD_GRAYSCALE（灰度）# 加一个参数 0 示意读取灰度图
# H,W,C = img.shape
# numpy 图像应用 cv2 来 resize
img = cv2.resize(img, (new_W, new_H), interpolation=cv2.INTER_LINEAR)

# new_W*new_H 能够不等于 old_H*old_W，后果就是形变
# 能够不写“img =”这一部分，因为图像 cv2.resize，它实在的形态就被扭转了，而不是在正本上改的 
# W（宽）方向为 x 轴; H（高）方向为 y 轴

1. cv2.circle(img, ( 圆心 x，圆心 y) , 半径, (255,255,255), -1)

2. cv2.rectangle(img, ( 左上角 x, 左上角 y), (右上角 x, 右上角 y), (255,255,255), -1)

3. 数组操作：img[y][x]。即先遍历行，再遍历列，合乎 c 或 python 语言中失常数组的程序

三、PIL

# PIL 读取数据
img = Image.open('test.jpg').convert('L')

# 加一个 convert 示意读取灰度图
# W,H = img.size
img = img.resize((new_W, new_H), Image.BILINEAR)

# new_W*new_H 能够不等于 old_H*old_W，后果就是形变
# 在正本上批改的，后面必须加“img =”

四、matplotlib

from PIL import Image
img=Image.open('1.png')
img.show()

PIL 应用 open() 函数来关上图片，应用 show() 函数来显示图片。这种图片显示方式是调用操作系统自带的图片浏览器来关上图片，有些时候这种形式不太不便，因而咱们也能够应用另上一种形式，让程序来绘制图片。

from PIL import Image
img=Image.open('1.png') 

import matplotlib.pyplot as plt
plt.ion()  # 将交互操作模式关上，用来顺次关上多张图片，即上一张敞开，下一张关上的这种程序操作

plt.imshow(img)

plt.show()  # 图片展现
img.save('1.jpg')   # 图片保留

plt.axis('off')  # 去除坐标轴
plt.savefig('1.jpg')# 图片保留，会生成坐标轴，并且会改边图像的原尺寸，不好用

这种办法尽管简单了些，但举荐应用这种办法，它应用一个 matplotlib 的库来绘制图片进行显示。matplotlib 是一个业余绘图的库，相当于 matlab 中的 plot。

另外须要留神的是， 如果想用 matplotlib 来展现或保留图片，倡议用 PIL 来读取，不倡议用 cv2。

因为 PIL 读取图片的通道程序是 R、G、B，合乎 matplotlib 的要求；

而如果用 cv2 来读取，通道程序是 B、G、R，能够展现并保留，然而色彩会变得很奇怪。

五、tensor

H,W,C = tensor.shape


# 间接保留 tensor 图像
from  torchvision import utils as vutils
vutils.save_image(tensor_img, './test.jpg', normalize=True)

*、PIL 与 cv2 互相转化 

# PIL 转 cv2:
img = cv2.cvtColor(np.asarray(img),cv2.COLOR_RGB2BGR)

# cv2 转 PIL:
img = Image.fromarray(cv2.cvtColor(img,cv2.COLOR_BGR2RGB))
退出移动版