【python】各类图像库图片_img.transpose((2, 0, 1))

主流python图像库：

目录

opencv

图片读取: cv2.imread

图片的矩阵格式变换：img.transpose(2,0,1) 

图片归一化：img.astype("float") / 255.0

存储图片：cv2.imwrite

opencv BGR to RGB：cv2.cvtColor(img4,cv2.COLOR_BGR2RGB)

访问像素

ROI操作(region of interest)

通道操作：cv2.imread   cv2.merge

PIL         

图片读写：Image.open

图片转矩阵：np.array

矩阵再转为图像：Image.fromarray

分离合并通道

ROI获取

matplotlib   

   图像读取：plt.imread​

scipy.misc   scipy.misc.imread

​skimage      skimage.io.imread

​总结

 

---

opencv

图片读取: cv2.imread

opencv读进来的图片已经是一个numpy矩阵了，数据类型是uint8。

import cv2 
import numpy as np 
#读入图片：默认彩色图，cv2.IMREAD_GRAYSCALE灰度图，cv2.IMREAD_UNCHANGED包含alpha通道 
 
img = cv2.imread('1.jpg') 
cv2.imshow('src',img) 
print(img.shape)      # (h,w,c)  高度 宽度 通道数
print(img.size)       # 像素总数目 
print(img.dtype)      # 数据类型
print(img) 

 

 如果转为灰度图：

gray = cv2.cvtColor(src,cv2.COLOR_BGR2GRAY) 
cv2.imshow('gray',gray)

注意，计算图片路径是错的，Opencv也不会提醒你，但print img时得到的结果是None 

图片的矩阵格式变换：img.transpose(2,0,1) 

opencv读入图片的矩阵格式是：（height,width,channels）

而在深度学习中，因为要对不同通道应用卷积，有时候会采取另一种方式：（channels,height,width）

print(img.shape) 
img = img.transpose(2,0,1) 
print(img.shape)

 

在深度学习搭建CNN时，往往要做相应的图像数据处理，比如图像要扩展维度，比如扩展成：（batch_size,channels,height,width）

#单张
img = np.expand_dims(img, axis=0) 
print(img.shape)
 
#训练集
data_list = [] 
loop: 
    im = cv2.imread('xxx.png') 
    data_list.append(im)
    data_arr = np.array(data_list)

图片归一化：img.astype("float") / 255.0

因为opencv读入的图片矩阵数值是0到255，有时我们需要对其进行归一化为0~1

img3 = cv2.imread('1.jpg') 
img3 = img3.astype("float") / 255.0     #注意需要先转化数据类型为float 
 
print(img3.dtype) 
print(img3)

存储图片：cv2.imwrite

#存储图片
cv2.imwrite('test1.jpg',img3) #得到的是全黑的图片，因为我们把它归一化了
#所以要得到可视化的图，需要先*255还原
img3 = img3 * 255
cv2.imwrite('test2.jpg',img3)  #这样就可以看到彩色原图了

opencv BGR to RGB：cv2.cvtColor(img4,cv2.COLOR_BGR2RGB)

opencv对于读进来的图片的通道排列是BGR

#opencv读入的矩阵是BGR，如果想转为RGB，可以这么转
img4 = cv2.imread('1.jpg')
img4 = cv2.cvtColor(img4,cv2.COLOR_BGR2RGB)

访问像素

#访问像素
print(img4[10,10])          #3channels
print(gray[10,10])          #1channel
img4[10,10] = [255,255,255]
gray[10,10] = 255
 
print(img4[10,10])          #3channels
print(gray[10,10])          #1channel

ROI操作(region of interest)

#roi操作
roi = img4[200:550,100:450,:]
cv2.imshow('roi',roi)
cv2.waitKey()

通道操作：cv2.imread   cv2.merge

#分离通道
img5 = cv2.imread('1.jpg')
b,g,r = cv2.split(img5)
#合并通道
img5 = cv2.merge((b,g,r))
#也可以不拆分
img5[:,:,2] = 0  #将红色通道值全部设0

 

PIL：PIL.Image.open

  Python Imaging Library，是一个很流行的图像库，比opencv更为轻巧，比较受欢迎。

from PIL import Image
import numpy as np

图片读写：Image.open

PIL读进来的图像是一个对象，而不是我们所熟知的numpy矩阵。

img = Image.open('1.jpg')
 
print(img.format)    # 图片格式
print(img.size)      # 注意，省略了通道 (w，h)
print(img.mode)      # L为灰度图，RGB为真彩色,RGBA为加了透明通道
img.show()           # 显示图片

如果需要灰度图

gray = Image.open('1.jpg').convert('L')
gray.show()

 读取不到图片会抛出异常IOError，我们可以捕捉它，做异常处理

try:
    img2 = Image.open('2.jpg')
except IOError:
    print('fail to load image!')

图片转矩阵：np.array

pillow读进来的图片不是矩阵，我们将图片转矩阵, channel last 

arr = np.array(img3)
 
print(arr.shape)
print(arr.dtype)
print(arr)

灰度图的转化与彩图转化一样

arr_gray = np.array(gray)
 
print(arr_gray.shape)
print(arr_gray.dtype)
print(arr_gray)

存储图片

矩阵再转为图像：Image.fromarray

new_im = Image.fromarray(arr)
new_im.save('3.png')

分离合并通道

r, g, b = img.split()
img = Image.merge("RGB", (b, g, r))

img = img.copy() #复制图像

ROI获取

img3 = Image.open('1.jpg')
roi = img3.crop((0,0,300,300)) #(左上x，左上y，右下x，右下y)坐标
roi.show()

 

matplotlib：matplotlib.image.imread

matplotlib是一个科学绘图神器，用的人非常多。

import matplotlib.pyplot as plt
import numpy as np

图像读取：plt.imread

image = plt.imread('1.jpg')
plt.imshow(image)
plt.show()

也可以关闭显示x，y轴上的数字 

image = plt.imread('1.jpg')
plt.imshow(image)
plt.axis('off')
plt.show()

plt.imread读入的就是一个矩阵，跟opencv一样，但彩图读进的是RGB，与opencv有区别 

print(image.shape) # (h,w,c)
print(image.size)
print(image.dtype) 
print(image)

im_r = image[:,:,0] #红色通道
plt.imshow(im_r)
plt.show()
#此时会发现显示的是热量图，不是我们预想的灰度图，可以添加 cmap 参数解决
plt.imshow(im_r,cmap='Greys_r')
plt.show()
 

plt与opencv结合使用

import cv2
im2 = cv2.imread('1.jpg')
plt.imshow(im2)
plt.axis('off')
plt.show()
#发现图像颜色怪怪的，原因是RGB顺序不同
im2 = cv2.cvtColor(im2,cv2.COLOR_BGR2RGB)
plt.imshow(im2)
plt.axis('off')
plt.show()
#所以无论用什么库读进图片，只要把图片改为矩阵，那么matplotlib就可以处理了

再试一试pillow和matplotlib结合 

from PIL import Image
im3 = Image.open('1.jpg')
im3 = np.array(im3)
plt.figure(1)
plt.imshow(im3)
plt.axis('off')
#存储图像，注意，必须在show之前savefig，否则存储的图片一片空白
plt.savefig('timo.jpg')
plt.show()

#最后以一个综合例子总结matplotlib最基本的图片显示技巧吧
im_lol1 =  plt.imread('lol.jpg')
im_lol2 =  plt.imread('1.jpg')
figure = plt.figure(figsize=(20,10)) # 调整显示图片的大小
'''
figsize参数：指定绘图对象的宽度和高度，单位为英寸；dpi参数指定绘图对象的分辨率，
即每英寸多少个像素，缺省值为80。因此本例中所创建的图表窗口的宽度为8*80 = 640像素
'''
plt.axis("off")#不显示刻度 
ax = figure.add_subplot(121) # 图片以1行2列的形式显示
plt.axis('off')
ax.imshow(im_lol1) #第一张图
ax.set_title('lol image 1')#给图片加titile 
ax = figure.add_subplot(122) 
plt.axis('off')
ax.imshow(im_lol2) 
ax.set_title('lol image 2')#给图片加titile 
 
plt.savefig('twp.jpg')
plt.show()

scipy.misc：scipy.misc.imread

from scipy import misc
import matplotlib.pyplot as plt

im = misc.imread('1.jpg')
print(im.dtype)
print(im.size)
print(im.shape)
misc.imsave('misc1.png',im)
plt.imshow(im)
plt.show()
print(im)

可以看到，有warining，提示我们imread和imsave在后来的版本将会被弃用，叫我们使用imageio.imread和imageio.imwrite。

根据提示，使用imageio模块进行图片读写，warning也就没有了。

import imageio
im2 = imageio.imread('1.jpg')
print(im2.dtype)
print(im2.size)
print(im2.shape)
plt.imshow(im)
plt.show()
print(im2)
imageio.imsave('imageio.png',im2)

 

skimage：skimage.io.imread

from skimage import io
 
im = io.imread('1.jpg')
print(im.shape) # numpy矩阵，(h,w,c)
print(im.dtype)
print(im.size)
io.imshow(im)
io.imsave('sk.png',im)
print(im)

图像也是以numpy array形式读入。

灰度图的获取方式：

im2 = io.imread('1.jpg',as_grey=True)  #读入灰度图
print(im2.dtype)
print(im2.size)
print(im2.shape)
io.imshow(im2)
io.imsave('sk_gray.png',im2)
io.show()
print(im2)

可以看到，灰度图像的矩阵的值被归一化了，注意注意！

也可以以这种方式获得灰度图：

from skimage import color
im3 = io.imread('1.jpg')
im3 = color.rgb2grey(im3)
print(im3.dtype)
print(im3.size)
print(im3.shape)
io.imshow(im3)
io.show()
 
'''
skimage.color.rgb2grey(rgb)
skimage.color.rgb2hsv(rgb)
skimage.color.rgb2lab(rgb)
skimage.color.gray2rgb(image)
skimage.color.hsv2rgb(hsv)
skimage.color.lab2rgb(lab)
'''

总结

1. 除了opencv读入的彩色图片以BGR顺序存储外，其他所有图像库读入彩色图片都以RGB存储。

2. 除了PIL读入的图片是img类之外，其他库读进来的图片都是以numpy矩阵。

3. 各大图像库的性能，opencv无论是速度还是图片操作的全面性，都属于碾压的存在，毕竟他是一个巨大的cv专用库。下图为各个主流图像库的一些性能比较图。