玩一玩Numpy处理图像

在python中进行图像处理，咱们有三个好工具：OpenCV, SciKit-Image 和 Pillow。可是在本文中，为了理解一些简单图像处理技术的基础，咱们将使用numpy。因此这也是练习numpy的良好教程。

1.原图

Python Imaging Library (PIL)是python下的图像处理模块，支持多种格式，并提供强大的图形与图像处理功能。Python3.x中须要先安装：

pip install pillow

In [4]:

from PIL import Image
im = Image.open("pubu.jpg")
im.show()

 

 

2.用numpy加载图像数据

In [5]:

import numpy as np
imgs = np.array(im)
imgs.shape

Out[5]:

(711, 400, 3)

In [6]:

imgs[:2,:2,:]

Out[6]:

array([[[27, 43, 33],
        [22, 35, 26]],

       [[28, 45, 37],
        [27, 42, 35]]], dtype=uint8)

 

3.分离通道

分离通道将每一个像素点中RGB三色中的其余两位分别置位0。单像素单通道的值是0~255之间的整数，故而这里使用uint8

 

• 2,3为置位0，则为红色R

In [7]:

tmpr = np.zeros(imgs.shape,dtype='uint8')
tmpr[:,:,0]=imgs[:,:,0]
print(tmpr[:2,:2,:])
tmpr_im = Image.fromarray(tmpr)
tmpr_im.show()

 

[[[27  0  0]
  [22  0  0]]

 [[28  0  0]
  [27  0  0]]]

 

 

• 1,3为置位0，则为绿色R

In [8]:

tmpg = np.zeros(imgs.shape,dtype='uint8')
tmpg[:,:,1]=imgs[:,:,1]
tmpg_im = Image.fromarray(tmpg)
tmpg_im.show()

 

 

• 1,2为置位0，则为蓝色B

In [9]:

tmpb = np.zeros(imgs.shape,dtype='uint8')
tmpb[:,:,2]=imgs[:,:,2]
tmpb_im = Image.fromarray(tmpb)
tmpb_im.show()

 

 

4.灰度图

彩色图像转换为灰度图像时，须要计算图像中每一个像素有效的亮度值，其计算公式为： Y = 0.3R + 0.59G + 0.11B。故而，向量[0.3,0.59,0.11]和三维张量作点积，便可获得二维张量（矩阵）也就是灰度图

In [10]:

ynp = np.array([0.3,0.59,0.18])
tmph = np.dot(imgs,ynp)
tmph_im = Image.fromarray(tmph)
tmph_im.show()

 

 

5.转置

转置能够对数组进行重置，转置有三种方式，transpose方法、T属性以及swapaxes方法。

 

5.1 .T,适用于1、二维数组

In [14]:

tmpht=tmph.T
print(tmph.shape)
print(tmpht.shape)
tmph_im = Image.fromarray(tmpht)
tmph_im.show()

 

(711, 400)
(400, 711)

 

 

5.2 高维数组

对于高维数组，transpose须要用到一个由轴编号组成的元组，才能进行转置。对多维数组来讲，肯定最底层的一个基本元素位置须要用到的索引个数便是维度。好比说三维的数组，那就对维度进行编号，也就是0,1,2。这样说可能比较抽象。这里的0,1,2能够理解为对shape返回元组的索引。

 

transpose进行的操做实际上是将各个维度重置，原来（711,400,3）对应的是（0,1,2）。使用transpose(1,0,2)后，各个维度大小变为（400,711,3），其实就是将第一维和第二维互换。

In [15]:

imgs.shape

Out[15]:

(711, 400, 3)

In [19]:

imgst=imgs.transpose((1,0,2))
imgst_im = Image.fromarray(imgst)
imgst_im.show()

 

 

6 水平镜像

即交换张量的第一维的行顺序,对于一维数组来讲，python原生的list和numpy的array的切片操做都是相同的。无非是记住一个规则arr_name[start: end: step]。例如：

In [32]:

arr = np.arange(4)
arr

Out[32]:

array([0, 1, 2, 3])

In [33]:

arr[::-1]

Out[33]:

array([3, 2, 1, 0])

In [34]:

imgsp=imgs[::-1]
imgsp_im = Image.fromarray(imgsp)
imgsp_im.show()

 

 

7 水平翻转

即交换张量的第二维的列顺序，相对于一维数组而言，二维（多维）数组用的会更多。通常语法是arr_name[行操做, 列操做]。例如：

In [37]:

arr1 = np.arange(12).reshape(2,6)
arr1

Out[37]:

array([[ 0,  1,  2,  3,  4,  5],
       [ 6,  7,  8,  9, 10, 11]])

In [43]:

arr1[:,::-1]

Out[43]:

array([[ 5,  4,  3,  2,  1,  0],
       [11, 10,  9,  8,  7,  6]])

In [44]:

imgsf=imgs[:,::-1]
imgsf_im = Image.fromarray(imgsf)
imgsf_im.show()

 

 

8.交换通道

即交换第三维的R,G,B 三色的列的位置。例如：

In [48]:

a = np.array([[1,2,3],[2,3,4],[1,6,5], [9,3,4]])
a

Out[48]:

array([[1, 2, 3],
       [2, 3, 4],
       [1, 6, 5],
       [9, 3, 4]])

In [49]:

a1=a[:,[1,0,2]]
a1

Out[49]:

array([[2, 1, 3],
       [3, 2, 4],
       [6, 1, 5],
       [3, 9, 4]])

In [50]:

imgsrgb=imgs[:,:,[1,0,2]]
imgsrgb_im = Image.fromarray(imgsrgb)
imgsrgb_im.show()

 

  更多文章，请关注：