文章目录

• 内容介绍
• 图像shape
• 灰度图

内容介绍

本章节为 图像数据 处理总结，其中包括图像的特征图像shape、灰度图等内容。

文本介绍关于数据分析工作中常用的 使用Python进行数据预处理 的方法总结。通过对图片数据、数值数字、文本数据、特征提取、特征处理等方面讲解作为一名数据分析师常用的数据处理套路。

import skimage
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from skimage import io

图像shape

cat = io.imread('./datasets/cat.png')
dog = io.imread('./datasets/dog.png')
df = pd.DataFrame(['Cat', 'Dog'], columns=['Image'])

# 显示图片的维度
print(cat.shape, dog.shape)
>>> (168, 300, 3) (168, 300, 3)

cat #0-255,越小的值代表越暗，越大的值越亮
>>> array([[[114, 105,  90],
     	   [113, 104,  89],
   		   [112, 103,  88],
  	       ..., 
           [127, 130, 121],
           [130, 133, 124],
           [133, 136, 127]],
           
 	      [[ 33,  27,  29],
 	       [ 32,  26,  28],
    	   [ 31,  25,  27],
           ..., 
           [131, 131, 131],
           [131, 131, 131],
           [130, 130, 130]]], dtype=uint8)

# PLT 显示图片
#coffee = skimage.transform.resize(coffee, (300, 451), mode='reflect')
fig = plt.figure(figsize = (16,8))
ax1 = fig.add_subplot(1,2, 1)
ax1.imshow(cat)
ax2 = fig.add_subplot(1,2, 2)
ax2.imshow(dog)

# 设置不同的色道
dog_r = dog.copy() # 红
dog_r[:,:,1] = dog_r[:,:,2] = 0 # set G,B pixels = 0
dog_g = dog.copy() # 绿
dog_g[:,:,0] = dog_r[:,:,2] = 0 # set R,B pixels = 0
dog_b = dog.copy() # 蓝
dog_b[:,:,0] = dog_b[:,:,1] = 0 # set R,G pixels = 0

plot_image = np.concatenate((dog_r, dog_g, dog_b), axis=1)
plt.figure(figsize = (10,4))
plt.imshow(plot_image)

dog_r
>>> array([[[160,   0,   0],
           [160,   0,   0],
           [160,   0,   0],
           ..., 
           [113,   0,   0],
           [113,   0,   0],
           [112,   0,   0]],
	       ......
          [[164,   0,   0],
           [164,   0,   0],
           [164,   0,   0],
           ..., 
           [209,   0,   0],
           [209,   0,   0],
           [209,   0,   0]]], dtype=uint8)

灰度图

# 将图片转为黑白色

fig = plt.figure(figsize = (16,8))
ax1 = fig.add_subplot(2,2, 1)
cat_ = Image.open('./datasets/cat.png')
cat_ = cat_.convert("L")
ax1.imshow(cat_, cmap="gray")

ax2 = fig.add_subplot(2,2, 2)
dog_ = Image.open('./datasets/dog.png')
dog_ = dog_.convert("L")
ax2.imshow(dog_, cmap='gray')