使用python以及numpy通過直接操作圖像數(shù)組完成一系列基本的圖像處理

numpy簡介：

NumPy是一個非常有名的 Python 科學計算工具包,其中包含了大量有用的工具,比如數(shù)組對象(用來表示向量、矩陣、圖像等)以及線性代數(shù)函數(shù)。

數(shù)組對象可以實現(xiàn)數(shù)組中重要的操作,比如矩陣乘積、轉置、解方程系統(tǒng)、向量乘積和歸一化。這為圖像變形、對變化進行建模、圖像分類、圖像聚類等提供了基礎。

在上一篇python基本圖像操作中,當載入圖像時,通過調用 array() 方法將圖像轉換成NumPy的數(shù)組對象。NumPy 中的數(shù)組對象是多維的,可以用來表示向量、矩陣和圖像。通過對圖像的數(shù)組進行直接操作，就可以完成很多圖像處理。

numpy的相關知識網(wǎng)上有很多資料，作為python科學計算的基礎，還是非常值得認真學習的。

使用圖像數(shù)組進行基本圖像操作：

認識圖像數(shù)組：

通過下面這幾個程序我們看一下圖像與灰度圖的圖像數(shù)組，以及numpy數(shù)組的切片。

# -*- coding: utf-8 -*-
from PIL import Image
from pylab import *
#讀取圖片并轉為數(shù)組
im = array(Image.open("./source/test.jpg"))
#輸出數(shù)組的各維度長度以及類型
print im.shape,im.dtype
#輸出位于坐標100,100，顏色通道為r的像素值
print im[100,100,0]
#輸出坐標100,100的rgb值
print im[100,100]及類型
print im.shape,im.dtype

運行結果：

(600, 500, 3) uint8
64
[ 64 117 195]

我們看到的是一個三維數(shù)組，分別代表橫坐標，縱坐標和顏色通道。

我們可以通過數(shù)組把紅藍通道交換

# -*- coding: utf-8 -*-
from PIL import Image
from pylab import *
#讀取圖片并轉為數(shù)組
im = array(Image.open("./source/test.jpg"))
#紅色通道
r = im[:,:,0]
#交換紅藍通道并顯示
im[:,:,0] = im[:,:,2]
im[:,:,2] = r
imshow(im)
show()

這里用到了numpy數(shù)組的切片方式，關于numpy的資料網(wǎng)上有很多，就不過多敘述了。

運行結果：

在轉為數(shù)組的過程中我們可以設定數(shù)據(jù)類型，同時灰度圖的圖像數(shù)組也是有意義的：

# -*- coding: utf-8 -*-
from PIL import Image
from pylab import *
#讀取圖片,灰度化，并轉為數(shù)組
im = array(Image.open("./source/test.jpg").convert('L'),'f')
#輸出數(shù)組的各維度長度以及類型
print im.shape,im.dtype
#輸出坐標100,100的值
print im[100,100]

運行結果：

(600, 500) float32
110.0

額外的參數(shù)‘f'將數(shù)組的數(shù)據(jù)類型轉為浮點數(shù)

由于灰度圖沒有顏色信息，所以形狀元組只有兩個數(shù)值

*array()變換的相反操作可以使用PIL的fromarray()完成，如im = Image.fromarray(im)

圖像數(shù)組的簡單應用——灰度變換：

灰度圖像：

灰度數(shù)字圖像是每個像素只有一個采樣顏色的圖像。這類圖像通常顯示為從最暗黑色到最亮的白色的灰度。

可以通過下面幾種方法，將圖像轉換為灰度：

1.浮點算法：Gray=R*0.3+G*0.59+B*0.11

2.整數(shù)方法：Gray=(R*30+G*59+B*11)/100

3.移位方法：Gray =(R*76+G*151+B*28)>>8;

4.平均值法：Gray=（R+G+B）/3;

5.僅取綠色：Gray=G；

通過上述任一種方法求得Gray后，將原來的RGB(R,G,B)中的R,G,B統(tǒng)一用Gray替換，形成新的顏色RGB(Gray,Gray,Gray)，用它替換原來的RGB(R,G,B)就是灰度圖了。

之前已經使用過很多次了，使用python可以通過使用convert(‘L')來獲得灰度圖

灰度變換：

將圖像讀入 NumPy 數(shù)組對象后,我們可以對它們執(zhí)行任意數(shù)學操作。一個簡單的例子就是圖像的灰度變換。即任意函數(shù) f ,它將 0…255 區(qū)間(或者 0…1 區(qū)間)映射到自身。

下面程序中有一些簡單的灰度變換：

#-*- coding: utf-8 -*-
from PIL import Image
from pylab import *
#讀取圖片,灰度化，并轉為數(shù)組
im = array(Image.open("./source/test.jpg").convert('L'))
im2 = 255 - im # 對圖像進行反相處理
im3 = (100.0/255) * im + 100 # 將圖像像素值變換到 100...200 區(qū)間
im4 = 255.0 * (im/255.0)**2 # 對圖像像素值求平方后得到的圖像(二次函數(shù)變換，使較暗的像素值變得更小)
#2x2顯示結果 使用第一個顯示原灰度圖
subplot(221)
title('f(x) = x')
gray()
imshow(im)
#2x2顯示結果 使用第二個顯示反相圖
subplot(222)
title('f(x) = 255 - x')
gray()
imshow(im2)
#2x2顯示結果 使用第三個顯示100-200圖
subplot(223)
title('f(x) = (100/255)*x + 100')
gray()
imshow(im3)
#2x2顯示結果 使用第四個顯示二次函數(shù)變換圖
subplot(224)
title('f(x) =255 *(x/255)^2')
gray()
imshow(im4)
#輸出圖中的最大和最小像素值
print int(im.min()),int(im.max())
print int(im2.min()),int(im2.max())
print int(im3.min()),int(im3.max())
print int(im4.min()),int(im4.max())
show()

運行結果：

0 255
0 255
100 200
0 255

可以比較明顯的看到灰度變換的結果，，第二張圖被反相顯示，第三張圖像的暗部變亮，亮部變暗，其值被限制在100到200之間，其中最后一張圖像通過二次函數(shù)變換使較暗的像素值變得更暗。

結語：

本篇博客介紹了python使用圖像數(shù)組去進行圖像操作的過程，包括幾個簡單的實例，通過數(shù)組我們可以對圖像進行任意數(shù)學操作，是圖像變形、圖像分類、圖像聚類等的基礎，希望我的博客對大家有所幫助～

最新評論