Python操作图像
安装Pillow
pip install Pillow
打开图像
from PIL import Image
img = Image.open("./lena.tiff")
保存图像
打开图像之后,可以将其保存,也就是另存为。
img对象.save(保存路径)
save方法不仅能够保存图像,还能够转换格式,取决于保存路径的最终文件后缀名。
img.save("./lena.jpg")
img.save("./lena.png")
查看属性
img = Image.open("./lena.tiff")
print('图像格式:{}'.format(img.format))
print('图像尺寸:{}'.format(img.size))
print('色彩模式:{}'.format(img.mode))
打印结果:
图像格式:TIFF
图像尺寸:(512, 512)
色彩模式:RGB
显示图像
from PIL import Image
import matplotlib.pyplot as plt
img = Image.open("./lena.tiff")
plt.imshow(img)
plt.show()
运行结果:
这是在数字图像处理中 被广泛用来做示例的一张图像 Lena
imshow函数是对图像进行载入,传入的参数可以是img对象,也可以是Numpy数组,最后由show函数负责将载入的图片进行显示。
默认是会带上像素坐标轴的,如果不显示坐标轴,可以在plt.show()之前加一句plt.axis("off"),以下会演示效果。
我们还可以同时显示多张图像,
from PIL import Image
import matplotlib.pyplot as plt #打开三张图片
img1 = Image.open('./lena.tiff')
img2 = Image.open('./lena.png')
img3 = Image.open('./lena.jpg') #设置画布尺寸
plt.figure(figsize=(10,5)) plt.subplot(131) #划分子图 本张为1行3列的第一张图
plt.title(img1.format) #图片标题
plt.axis('off') #关闭坐标轴
plt.imshow(img1) #载入图片 plt.subplot(132)
plt.title(img2.format)
plt.axis('off')
plt.imshow(img2) plt.subplot(133)
plt.title(img3.format)
plt.axis('off')
plt.imshow(img3) plt.show() #显示图片
运行结果:
色彩模式
我们可以使用img对象的convert方法将图像转换色彩模式
img对象.convert(色彩模式)
色彩模式的取值有如下几种:
1:二值图像
L:灰度图像
P:8位彩色图像
RGB:24位彩色图像
RGBA:32位彩色图像
CMYK:CMYK彩色图像
YCbCr:YCbCr彩色图像
I:32位整型灰度图像
F:32位浮点灰度图像
用法示例:
from PIL import Image
import matplotlib.pyplot as plt img1 = Image.open('./lena.tiff')
img_gray = img1.convert("L")
plt.figure(figsize=(10,10))
plt.imshow(img_gray,cmap='gray')
plt.show()
转成灰度图之后 就是这样子:
颜色通道
用img对象的split()方法将图像按照RGB三个通道分离成三个图像。
也可以用Image库的merge函数将多个通道合并成一个图像。
from PIL import Image
import matplotlib.pyplot as plt plt.rcParams['font.sans-serif']=['SimHei'] img = Image.open('./lena.tiff')
img_r,img_g,img_b = img.split()
plt.figure(figsize=(10,10)) plt.subplot(221)
plt.title('R通道',fontsize=18)
plt.axis('off')
plt.imshow(img_r,cmap='gray') plt.subplot(222)
plt.title('G通道',fontsize=18)
plt.axis('off')
plt.imshow(img_g,cmap='gray') plt.subplot(223)
plt.title('B通道',fontsize=18)
plt.axis('off')
plt.imshow(img_b,cmap='gray') img_rgb = Image.merge('RGB',[img_r,img_g,img_b])
plt.subplot(224)
plt.title('合并通道',fontsize=18)
plt.axis('off')
plt.imshow(img_rgb) plt.show()
运行结果:
按灰度图显示对应通道,比如第一张图中,颜色越亮,表示红色越多,颜色越暗,表示红色越少。
图像转数组
在人工智能处理图像的时候,都是先将图像转成数组,数组中的元素对应图像中的各个像素点。
将图像转为数组需要用到numpy的array函数。
from PIL import Image
import numpy as ny
img = Image.open('./lena.tiff')
arr = ny.array(img)
print('形状:{}'.format(arr.shape))
print(arr)
打印结果(数组很长,默认中间以省略号代替):
形状:(512, 512, 3)
[[[226 137 125]
[226 137 125]
[223 137 133]
...
[230 148 122]
[221 130 110]
[200 99 90]]
[[226 137 125]
[226 137 125]
[223 137 133]
...
[230 148 122]
[221 130 110]
[200 99 90]]]
图像数组是一个三维数组,前两维对应图像的尺寸,第三维对应图像的三个通道,也就是说前两维是一个512行乘以512列的矩阵,因为整张图像大小就是512像素*512像素,第三维是每个像素点的RGB三个通道的颜色值。
接下来我们看一下将一张灰度图转为数组是什么样子的,使用上文转换色彩模式时保存下来的灰度图:
from PIL import Image
import numpy as ny
img = Image.open('./003.jpg')
arr = ny.array(img)
print('形状:{}'.format(arr.shape))
print(arr)
打印结果:
形状:(512, 512)
[[162 161 160 ... 171 154 129]
[162 162 161 ... 173 158 133]
[163 162 161 ... 171 155 128]
...
[ 42 45 49 ... 102 103 103]
[ 41 45 50 ... 105 107 109]
[ 41 45 51 ... 102 105 107]]
此时的形状是一个512*512的二维数组,其中每个元素对应一个像素点的灰度值。
那我们可以将这张灰度图做一个反色处理,将每个像素的颜色值都用255来减一下,也就是黑色变成白色,白色变成黑色。
import matplotlib.pyplot as plt
from PIL import Image
import numpy as ny
img = Image.open('./003.jpg')
arr = ny.array(img) plt.figure(figsize=(10,5)) plt.subplot(121)
plt.title('old')
plt.imshow(arr,cmap='gray')
plt.axis('off') new_arr = 255 - arr
plt.subplot(122)
plt.title('new')
plt.imshow(new_arr,cmap='gray')
plt.axis('off') plt.show()
运行结果:
图像缩放
使用img对象的resize方法可以对图像进行缩放
import matplotlib.pyplot as plt
from PIL import Image img = Image.open('./lena.tiff') plt.figure(figsize=(10,5)) plt.subplot(121)
plt.title('old')
plt.imshow(img) new_img = img.resize((64,64))
plt.subplot(122)
plt.title('new')
plt.imshow(new_img) plt.show()
运行结果:
通过坐标轴可以看到 原图是512*512尺寸大小,进行缩放成64*64之后,图像的质量下降,出现了类似马赛克的效果,这个操作是一个降采样的过程。
缩放还可以使用img的thumbnail方法,但不同的是thumbnail方法是对图像的原地操作,不会有返回值,使用示例:
import matplotlib.pyplot as plt
from PIL import Image img = Image.open('./lena.tiff') plt.figure(figsize=(10,5)) plt.subplot(121)
plt.title('old')
plt.imshow(img) img.thumbnail((64,64))
plt.subplot(122)
plt.title('new')
plt.imshow(img) plt.show()
运行结果和之前一模一样。
图像旋转
img对象.transpose()方法对图像进行旋转。
参数中指定旋转方式,有如下几种:
Image.FLIP_LEFT_RIGHT = 0 水平翻转
Image.FLIP_TOP_BOTTOM = 1 上下翻转
Image.ROTATE_90 = 2 逆时针旋转90度
Image.ROTATE_180 = 3 逆时针旋转180度
Image.ROTATE_270 = 4 逆时针旋转270度
Image.TRANSPOSE = 5 将图像转置
Image.TRANSVERSE = 6 将图像进行转置,再水平翻转
可以传常量属性,也可以直接传数字,源码中常量是直接映射成数字处理的。
import matplotlib.pyplot as plt
from PIL import Image img = Image.open('./lena.tiff') plt.rcParams['font.sans-serif']=['SimHei'] plt.figure(figsize=(10,20)) plt.subplot(421)
plt.axis('off')
plt.title('原图',fontsize=18)
plt.imshow(img) img2 = img.transpose(Image.FLIP_LEFT_RIGHT)
plt.subplot(422)
plt.axis('off')
plt.title('水平翻转',fontsize=18)
plt.imshow(img2) img3 = img.transpose(Image.FLIP_TOP_BOTTOM)
plt.subplot(423)
plt.axis('off')
plt.title('上下翻转',fontsize=18)
plt.imshow(img3) img4 = img.transpose(Image.ROTATE_90)
plt.subplot(424)
plt.axis('off')
plt.title('逆时针旋转90度',fontsize=18)
plt.imshow(img4) img5 = img.transpose(Image.ROTATE_180)
plt.subplot(425)
plt.axis('off')
plt.title('逆时针旋转180度',fontsize=18)
plt.imshow(img5) img6 = img.transpose(Image.ROTATE_270)
plt.subplot(426)
plt.axis('off')
plt.title('逆时针旋转270度',fontsize=18)
plt.imshow(img6) img7 = img.transpose(Image.TRANSPOSE)
plt.subplot(427)
plt.axis('off')
plt.title('将图像转置',fontsize=18)
plt.imshow(img7) img8 = img.transpose(Image.TRANSVERSE)
plt.subplot(428)
plt.axis('off')
plt.title('转置+翻转',fontsize=18)
plt.imshow(img8) plt.show()
运行结果:
图像裁剪
img对象.crop((x0,y0,x1,y1))
参数中的x0,y0代表裁剪内容的左上角坐标,x1,y1代表裁剪内容的右下角坐标,两个坐标即可确定出裁剪的矩形区域。
import matplotlib.pyplot as plt
from PIL import Image img = Image.open('./lena.tiff') plt.rcParams['font.sans-serif']=['SimHei'] plt.figure(figsize=(10,5)) plt.subplot(121)
plt.axis('off')
plt.title('原图',fontsize=18)
plt.imshow(img) area = (200,200,400,400)
img2 = img.crop(area)
plt.subplot(122)
plt.axis('off')
plt.title('裁剪结果',fontsize=18)
plt.imshow(img2) plt.show()
运行结果:
Python操作图像的更多相关文章
- Python 使用pillow 操作图像
文档:https://pillow.readthedocs.io/en/stable/index.html 计算机图像基础 颜色和RGBA值 计算机程序通常将图像中的颜色表示为 RGBA 值.RGBA ...
- Python 编程快速上手 第十七章 操作图像
前言 在这一章节,讲了关于图像的三个方面的内容: 获得图像的相关信息:例如 RGBA 值,尺寸... 对图像进行编辑操作:例如 旋转,缩放... 在图像上绘制形状:例如 矩形,圆形... [Image ...
- 使用python操作Memcache、Redis、RabbitMQ、
Memcache 简述: Memcache是一套分布式的高速缓存系统,由LiveJournal的Brad Fitzpatrick开发,但目前被许多网站使用以提升网站的访问速度,尤其对于一些大型的.需要 ...
- python操作Redis缓存
python操作Redis缓存 https://www.cnblogs.com/guotianbao/p/8683037.html 学习资料:电子书资源 联系邮箱:gmu1592618@gmail.c ...
- Python(九) Python 操作 MySQL 之 pysql 与 SQLAchemy
本文针对 Python 操作 MySQL 主要使用的两种方式讲解: 原生模块 pymsql ORM框架 SQLAchemy 本章内容: pymsql 执行 sql 增\删\改\查 语句 pymsql ...
- Python 【第六章】:Python操作 RabbitMQ、Redis、Memcache、SQLAlchemy
Memcached Memcached 是一个高性能的分布式内存对象缓存系统,用于动态Web应用以减轻数据库负载.它通过在内存中缓存数据和对象来减少读取数据库的次数,从而提高动态.数据库驱动网站的速度 ...
- 练习:python 操作Mysql 实现登录验证 用户权限管理
python 操作Mysql 实现登录验证 用户权限管理
- Python操作MySQL
本篇对于Python操作MySQL主要使用两种方式: 原生模块 pymsql ORM框架 SQLAchemy pymsql pymsql是Python中操作MySQL的模块,其使用方法和MySQLdb ...
- Python操作Mysql之基本操作
pymysql python操作mysql依赖pymysql这个模块 下载安装 pip3 install pymysql 操作mysql python操作mysql的时候,是通过”游标”来进行操作的. ...
随机推荐
- [BUUOJ记录] [GYCTF]EasyThinking
主要考察ThinkPHP6.0的一个任意文件写入的CVE以及突破disable_function的方法. ThinkPHP6.0.0任意文件操作漏洞 理论分析 进入题目是一个简单的操作页面,dirma ...
- 不支持原子性的 Redis 事务也叫事务吗?
文章收录在 GitHub JavaKeeper ,N线互联网开发必备技能兵器谱 假设现在有这样一个业务,用户获取的某些数据来自第三方接口信息,为避免频繁请求第三方接口,我们往往会加一层缓存,缓存肯定要 ...
- Activiti7 组任务
需求:在流程定义中在任务节点的assignee固定设置任务负责人,这种情况不是很好,如果有天任务负责人请假了,你想请假,等着吧..没人审批,针对这种情况,可以给任务设置多个候选人,可以从候选中选择参与 ...
- 转载:人家编写的程序:「雀神 AI」Suphx
下文转载自:https://news.51cto.com/art/202004/613746.htm 按:虽然还是玩棋牌乐的AI,但相对于我们日常编写的XX管理系统,好比哺乳动物 VS 鱼类了. 20 ...
- Linux/Unix Terminal中文件/目录的颜色各代表什么意思?
注意:console/terminal中文件目录的颜色设置是可以更改的,故环境不同颜色就可能不一样. 下面是我所用终端的颜色示例: 颜色说明: 白色:普通文件 紫色:目录 红色:有问题的链接文件 蓝绿 ...
- selenium常用webdriver api汇总
1.driver.current_url:用于获得当前页面的URL 2.driver.title:用于获取当前页面的标题 3.driver.page_source:用于获取页面html源代码 4.dr ...
- Scala的递归函数应用
使用递归函数实现累加: def sum(nums:Int*):Int={ if(nums.length == 0) 0 else nums.head + sum(nums.tail:_*) } 结果为 ...
- matlab数字图像处理-给图片加入可视水印信息
将文件夹路径改成了我想要存放代码的文件夹下 然后也是在网上百度,找到了一个代码,敲着模仿了一个 自己建立了一个脚本文件 >>edit test1 然后在脚本中添加 %读取待嵌入水印的图像和 ...
- netty---sync,await
LOG.info("*************************WINDOWS系统*********************************"); //设置事件处理 ...
- API测试-接口测试基础(1)
由于自己想学习API方面的测试,但是市面上搜不到相关的图书可以系统学习,网上的内容又零零散散,适合有点API开发基础的人去搜索.为了方面新手学习API测试,现在整理了他人的宝贵经验和自己的学习心得,尽 ...