Python教程

基于python----图像的表示和可视化

本文主要是介绍基于python----图像的表示和可视化,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!

图像的表示和可视化

  • 图像的表示
    • 读取
      • skimage
      • opencv
    • 颜色通道操作
    • 编写一个数字图像读入,显示,区域裁剪的程序,并分别显示R,G,B三个通道的图像
  • 后续

经过采样和量化之后,图像I已经称为空间位置和响应值均离散的数字图像。图像上的每个位置(x,y)以及其对应量化响应值称为一个像素。

图像的表示

二维矩阵是表示数字图像的重要数字形式。一幅M*N的图像可以表示为矩阵,矩阵中的每个元素称为图像的像素。每个像素都有它自己的空间位置和值,值是这一位置像素的颜色或者强度。
与图像相关的重要指标是图像分辨率。图像分辨率是指组成一幅图像的像素密度。对同样大小的一幅图,组成该图的图像像素数目越多,说明图像的分辨率越高,看起来越来越逼真。相反,像素越少,图像越粗糙。图像分辨率包括空间分辨率和灰度级(响应幅度)分辨率。空间分辨率是图像中可辩别的最小空间细节,取样值多少是决定图像空间分辨率的主要参数。

读取

skimage

from skimage import io,data,color
from matplotlib import pyplot as plt
img=io.imread('123.jpg')
img1=data.astronaut()
print(img.shape)
img0=io.imread('123.jpg',as_gray=True)
print("图像类型:",type(img))#显示类型
print("图像大小:",img.shape)#显示类型
print(img.shape[0])
print(img.shape[1])
print(img.shape[2])
print(img.size)
print(img.max())
print(img.min())
print(img.mean())
print(img[0][0])
plt.subplot(211),io.imshow(img)
plt.title('Input Image'),plt.xticks([]),plt.yticks([])
plt.subplot(212),io.imshow(img0)
plt.show()

opencv

import cv2 as cv

img=cv.imread('123.jpg')

print("图像类型:",type(img))#显示类型
print("图像大小:",img.shape)#显示类型
print(img.shape[0])
print(img.shape[1])
print(img.shape[2])
print(img.size)
print(img.max())
print(img.min())
print(img.mean())
print(img[0][0])
img1=cv.imread('123.jpg',0)
cv.imshow('Color',img)
cv.imshow('gray',img1)
cv.waitKey(0)
cv.destroyAllWindows()

颜色通道操作

from skimage import io,data,color
from matplotlib import pyplot as plt
image=io.imread('123.jpg')
image_r=image[:,:,0]
image_g=image[:,:,1]
image_b=image[:,:,2]
plt.subplot(2,2,1)
io.imshow(image)
plt.subplot(2,2,2)
io.imshow(image_r)
plt.subplot(2,2,3)
io.imshow(image_g)
plt.subplot(2,2,4)
io.imshow(image_b)

plt.show()

编写一个数字图像读入,显示,区域裁剪的程序,并分别显示R,G,B三个通道的图像

from PIL import Image
import matplotlib.pyplot as plt
from skimage import io



img2 = io.imread('456.jpg')
img = Image.open('456.jpg')  # 打开图像.
gray = img.convert('L')  # 转换成灰度
r, g, b = img.split()  # 分离三通道
pic = Image.merge('RGB', (r, g, b))  # 合并三通道
plt.figure("beauty")
plt.subplot(3, 3, 1), plt.title('origin')
plt.imshow(img), plt.axis('off')
# 图像裁剪
img3 = img2[20:400, 50:1000]
plt.figure("beauty")
plt.subplot(3, 3, 7), plt.title('caijian')
plt.imshow(img3), plt.axis('off')

plt.subplot(3, 3, 4), plt.title('r')
plt.imshow(r, cmap='gray'), plt.axis('off')
plt.subplot(3, 3, 5), plt.title('g')
plt.imshow(g, cmap='gray'), plt.axis('off')
plt.subplot(3, 3, 6), plt.title('b')
plt.imshow(b, cmap='gray'), plt.axis('off')
plt.show()
后续

如果想了解更多物联网、智能家居项目知识,可以关注我的项目实战专栏。
或者关注公众号。
在这里插入图片描述

编写不易,感谢支持。

这篇关于基于python----图像的表示和可视化的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!