這篇文章主要介紹了Python圖像灰階變換及圖像陣列操作的相關資料,需要的朋友可以參考下
使用python以及numpy透過直接操作影像陣列完成一系列基本的影像處理
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,例如數組物件(用來表示向量、矩陣、圖像等)以及線性代數函數。
陣列物件可以實現陣列中重要的運算,例如矩陣乘積、轉置、解方程式系統、向量乘積和歸一化。這為影像變形、對變化進行建模、影像分類、影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,透過呼叫 array() 方法將圖像轉換成NumPy的陣列物件。 NumPy 中的陣列物件是多維的,可以用來表示向量、矩陣和圖像。透過對影像的陣列進行直接操作,就可以完成許多影像處理。
numpy的相關知識網路上有許多資料,作為python科學計算的基礎,還是非常值得認真學習的。
使用圖像數組進行基本圖像操作:
認識圖像數組:
#透過下面這幾個程式我們看一下圖像與灰度圖的圖像數組,以及numpy數組的切片。
# -*- coding: utf-8 -*- from PIL import Image from pylab import * #读取图片并转为数组 im = array(Image.open("./source/test.jpg")) #输出数组的各维度长度以及类型 print im.shape,im.dtype #输出位于坐标100,100,颜色通道为r的像素值 print im[100,100,0] #输出坐标100,100的rgb值 print im[100,100]及类型 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組,分別代表橫座標,縱座標和顏色通道。
我們可以透過陣列把紅藍通道交換
# -*- coding: utf-8 -*- from PIL import Image from pylab import * #读取图片并转为数组 im = array(Image.open("./source/test.jpg")) #红色通道 r = im[:,:,0] #交换红蓝通道并显示 im[:,:,0] = im[:,:,2] im[:,:,2] = r imshow(im) show()
這裡用到了numpy陣列的切片方式,關於numpy的資料網路上有很多,就不過多敘述了。
運行結果:
在轉為陣列的過程中我們可以設定資料型別,同時灰階圖的圖片陣列也是有意義的:
# -*- coding: utf-8 -*- from PIL import Image from pylab import * #读取图片,灰度化,并转为数组 im = array(Image.open("./source/test.jpg").convert('L'),'f') #输出数组的各维度长度以及类型 print im.shape,im.dtype #输出坐标100,100的值 print im[100,100]
#運行結果:
(600, 500) float32
110.0
額外的參數'f'將陣列的資料型別轉為浮點數
#由於灰階圖沒有色彩訊息,所以形狀元組只有兩個數值
*array()變換的相反運算可以使用PIL的fromarray()完成,如im = Image.fromarray(im)
影像陣列的簡單應用-灰階變換:
灰階影像:
灰階數位影像是每個像素只有一個取樣顏色的影像。這類影像通常顯示為從最暗黑色到最亮的白色的灰階。
可以透過下面幾種方法,將影像轉換為灰階:
1.浮點演算法:Gray=R*0.3+G*0.59+B*0.11
#2.整數方法: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;
透過上述任一方法求得Gray後,將原來的RGB(R,G,B)中的R,G,B統一用Gray替換,形成新的顏色RGB(Gray,Gray,Gray),用它取代原來的RGB(R,G,B)就是灰階圖了。
之前已經使用過很多次了,使用python可以透過使用convert('L')來獲得灰階圖
灰階變換:
##將圖像讀入NumPy 陣列物件後,我們可以對它們執行任意數學操作。一個簡單的例子就是影像的灰階變換。即任意函數 f ,它將 0…255 區間(或 0…1 區間)映射到自身。 下面程式中有一些簡單的灰階變換:
#
#-*- coding: utf-8 -*- from PIL import Image from pylab import * #读取图片,灰度化,并转为数组 im = array(Image.open("./source/test.jpg").convert('L')) im2 = 255 - im # 对图像进行反相处理 im3 = (100.0/255) * im + 100 # 将图像像素值变换到 100...200 区间 im4 = 255.0 * (im/255.0)**2 # 对图像像素值求平方后得到的图像(二次函数变换,使较暗的像素值变得更小) #2x2显示结果 使用第一个显示原灰度图 subplot(221) title('f(x) = x') gray() imshow(im) #2x2显示结果 使用第二个显示反相图 subplot(222) title('f(x) = 255 - x') gray() imshow(im2) #2x2显示结果 使用第三个显示100-200图 subplot(223) title('f(x) = (100/255)*x + 100') gray() imshow(im3) #2x2显示结果 使用第四个显示二次函数变换图 subplot(224) title('f(x) =255 *(x/255)^2') gray() imshow(im4) #输出图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 255100 200
0 255
可以比較明顯的看到灰階轉換的結果,,第二張圖被反相顯示,第三張影像的暗部變亮,亮部變暗,其值被限制在100到200之間,其中最後一張影像透過二次函數變換使較暗的像素值變得更暗。
本篇部落格介紹了python使用圖像數組去進行圖像操作的過程,包括幾個簡單的實例,透過數組我們可以對圖像進行任意數學操作,是圖像變形、圖像分類、圖像聚類等的基礎,希望我的部落格對大家有幫助~
以上是Python影像灰階變換及影像陣列操作方法的詳細內容。更多資訊請關注PHP中文網其他相關文章!