欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

用Python去除圖像的黑色或白色背景實例

 更新時間:2019年12月12日 15:09:47   作者:樸素.無恙  
今天小編就為大家分享一篇用Python去除圖像的黑色或白色背景實例,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧

用Python去除背景,得到有效的圖像

此目的是為了放入深度學習計算中來減少計算量,同時突出特征,原圖像為下圖,命名為1.jpg,在此去除白色背景,黑色背景同理

需要對原圖像進行的處理是去掉白色背景,摳出有效的參與計算的圖形的大小即下圖

對此有兩個思路:

用掩模法得到有效部分,其次去掉空白,但太繁瑣嘍,并且一萬多張圖片,其不弄到天荒地老(截圖也是哦)

對圖像進行處理,即先做numpy變化,后反變換,將255-原圖像,此時得到的圖像就是

在此計算圖像的橫軸相加為0,縱軸相加為0,刪去和為0的列和行得到的numpy矩陣,用255減去numpy矩陣得到的圖像就是所求有效圖像。(在此我沒能實現(xiàn)三通道的圖像,只能做出灰度圖的圖像)程序如下:

from PIL import Image
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import scipy.misc
img = Image.open('1.jpg')
e,g=img.size
img1=img.convert('L')
img1=np.array(img1, dtype='float32')
arr=255-img1
arr1 = arr.sum(axis=0)#每一列求和
arr2 = arr.sum(axis=1)#每一行求和
df=pd.DataFrame(arr)#把像素點轉(zhuǎn)化為dataframe
df.insert(len(df.columns),len(df.columns),arr2)#最后一列插入每一行的和
df1=pd.concat([df,(pd.DataFrame(df.sum()).T)])#最后一行插入每一列的和
df2=df1[df1[e]>0]#根據(jù)最后一列把大于0的行篩選出來

#根據(jù)最后一行,把等于0的列刪除掉
for c in df2.columns:
  if df2[c].sum() == 0 :
    df2.drop(columns = [c],inplace = True)
    
df2.drop(columns=[e],inplace = True)#刪除最后一列
df3 = df2.head((df2.shape[0])-1)#刪除最后一行
a=255-df3
#df3.values#dataframe轉(zhuǎn)化為numpy
plt.imshow(a)
scipy.misc.toimage(df3.values).save('C:/Users/Administrator.SKY-20180518VHY/Desktop/2.jpg')#保存圖像

最終得到的圖像為

在此處考慮過將圖像變?yōu)榱斜?,但在此處做嵌套列表太為復雜,因而放棄,最終利用DataFrame做的,本考慮將三通道分開分別作運算最終得到的R、G、B三通道圖像由于大小不匹配無法整合到一起,又失敗了。只能得到單通道湊合弄吧。誰有好的思路,求溝通…

完整程序:

import os
from PIL import Image
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import scipy.misc
def save_pic(file_path):

  c = []
  names = os.listdir(file_path) #路徑
  #將文件夾中的文件名稱與后邊的 .dcm分開
  for name in names:
    c.append(name)
  for files in c :
    img = Image.open(file_path+'\\'+files)
    e,g=img.size
    img1=img.convert('L')
    img1=np.array(img1, dtype='float32')
    arr=255-img1
    arr1 = arr.sum(axis=0)#每一列求和
    arr2 = arr.sum(axis=1)#每一行求和
    df=pd.DataFrame(arr)#把像素點轉(zhuǎn)化為dataframe
    df.insert(len(df.columns),len(df.columns),arr2)#最后一列插入每一行的和
    df1=pd.concat([df,(pd.DataFrame(df.sum()).T)])#最后一行插入每一列的和
    df2=df1[df1[e]>0]#根據(jù)最后一列把大于0的行篩選出來
    
    #根據(jù)最后一行,把等于0的列刪除掉
    for c in df2.columns:
      if df2[c].sum() == 0 :
        df2.drop(columns = [c],inplace = True)
        
    df2.drop(columns=[e],inplace = True)#刪除最后一列
    df3 = df2.head((df2.shape[0])-1)#刪除最后一行
    #df3.values#dataframe轉(zhuǎn)化為numpy
    a=255-df3 
    plt.imshow(a)
    scipy.misc.toimage(a).save('C:/Users/Administrator.SKY-20180518VHY/Desktop'+'/'+files)#保存圖像
  print('all is saved')  
  
save_pic(file_path='C:\\Users\\Administrator.SKY-20180518VHY\\Desktop\\1')  

去除多個文件夾下多張圖像,分別為:

程序為:

import os
from PIL import Image
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import scipy.misc
def save_pic(file_path):

  c = []
  d=[]
  names = os.listdir(file_path) #路徑
  #將文件夾中的文件名稱與后邊的 .dcm分開
  for name in names:
    c.append(name)
  for files1 in c:
    n=os.listdir(file_path+'\\'+files1)
    for name in n:
      d.append(file_path+'\\'+files1+'\\'+name)

    for files2 in d :
      img = Image.open(files2)
      e,g=img.size
      img1=img.convert('L')
      img1=np.array(img1, dtype='float32')
      arr=255-img1
      arr1 = arr.sum(axis=0)#每一列求和
      arr2 = arr.sum(axis=1)#每一行求和
      df=pd.DataFrame(arr)#把像素點轉(zhuǎn)化為dataframe
      df.insert(len(df.columns),len(df.columns),arr2)#最后一列插入每一行的和
      df1=pd.concat([df,(pd.DataFrame(df.sum()).T)])#最后一行插入每一列的和
      df2=df1[df1[e]>0]#根據(jù)最后一列把大于0的行篩選出來
      
      #根據(jù)最后一行,把等于0的列刪除掉
      for c in df2.columns:
        if df2[c].sum() == 0 :
          df2.drop(columns = [c],inplace = True)
          
      df2.drop(columns=[e],inplace = True)#刪除最后一列
      df3 = df2.head((df2.shape[0])-1)#刪除最后一行
      df3.values#dataframe轉(zhuǎn)化為numpy
      a=255-df3
      plt.imshow(a)
      scipy.misc.toimage(a).save('C:/Users/Administrator.SKY-20180518VHY/Desktop'+'/'+ '%d.jpg'%(d.index(files2)))#保存圖像
  print('all is saved')  
  
save_pic(file_path='C:\\Users\\Administrator.SKY-20180518VHY\\Desktop\\2')  

以上這篇用Python去除圖像的黑色或白色背景實例就是小編分享給大家的全部內(nèi)容了,希望能給大家一個參考,也希望大家多多支持腳本之家。

相關文章

  • jupyter 導入csv文件方式

    jupyter 導入csv文件方式

    這篇文章主要介紹了jupyter 導入csv文件方式,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2020-04-04
  • python利用后綴表達式實現(xiàn)計算器功能

    python利用后綴表達式實現(xiàn)計算器功能

    這篇文章主要為大家詳細介紹了python利用后綴表達式實現(xiàn)計算器功能,文中示例代碼介紹的非常詳細,具有一定的參考價值,感興趣的小伙伴們可以參考一下
    2021-02-02
  • 簡單了解python模塊概念

    簡單了解python模塊概念

    這篇文章主要介紹了簡單了解python模塊概念,具有一定借鑒價值,需要的朋友可以參考下
    2018-01-01
  • python遍歷一個目錄,輸出所有的文件名的實例

    python遍歷一個目錄,輸出所有的文件名的實例

    下面小編就為大家分享一篇python遍歷一個目錄,輸出所有的文件名的實例,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2018-04-04
  • Pandas如何對Categorical類型字段數(shù)據(jù)統(tǒng)計實戰(zhàn)案例

    Pandas如何對Categorical類型字段數(shù)據(jù)統(tǒng)計實戰(zhàn)案例

    這篇文章主要介紹了Pandas如何對Categorical類型字段數(shù)據(jù)統(tǒng)計實戰(zhàn)案例,文章圍繞主題展開詳細的內(nèi)容介紹,具有一定的參考價值,需要的小伙伴可以參考一下
    2022-08-08
  • Python lambda匿名函數(shù)深入講解

    Python lambda匿名函數(shù)深入講解

    lambda所表示的匿名函數(shù)的內(nèi)容應該是很簡單的,如果復雜的話,干脆就重新定義一個函數(shù)了,使用lambda就有點過于執(zhí)拗了。lambda就是用來定義一個匿名函數(shù)的,如果還要給他綁定一個名字的話,就會顯得有點畫蛇添足,通常是直接使用lambda函數(shù)
    2023-01-01
  • 詳解Python pygame安裝過程筆記

    詳解Python pygame安裝過程筆記

    本篇文章主要介紹了詳解Python pygame安裝過程筆記。小編覺得挺不錯的,現(xiàn)在分享給大家,也給大家做個參考。一起跟隨小編過來看看吧
    2017-06-06
  • Python中可以用三種方法判斷文件是否存在

    Python中可以用三種方法判斷文件是否存在

    本文主要介紹了Python中可以用三種方法判斷文件是否存在,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友們下面隨著小編來一起學習學習吧
    2022-06-06
  • 使用Termux在手機上運行Python的詳細過程

    使用Termux在手機上運行Python的詳細過程

    這篇文章主要介紹了使用Termux在手機上運行Python的詳細過程,本文給大家介紹的非常詳細,對大家的學習或工作具有一定的參考借鑒價值,需要的朋友可以參考下
    2021-10-10
  • 淺談配置OpenCV3 + Python3的簡易方法(macOS)

    淺談配置OpenCV3 + Python3的簡易方法(macOS)

    下面小編就為大家分享一篇淺談配置OpenCV3 + Python3的簡易方法(macOS),具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2018-04-04

最新評論