赞
踩
图片的矩阵格式变换:img.transpose(2,0,1)
图片归一化:img.astype("float") / 255.0
opencv BGR to RGB:cv2.cvtColor(img4,cv2.COLOR_BGR2RGB)
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
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)
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('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
- 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
- roi = img4[200:550,100:450,:]
- cv2.imshow('roi',roi)
- cv2.waitKey()
- #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
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
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!')
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
- new_im = Image.fromarray(arr)
- new_im.save('3.png')
- r, g, b = img.split()
- img = Image.merge("RGB", (b, g, r))
img = img.copy() #复制图像
- 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是一个科学绘图神器,用的人非常多。
- import matplotlib.pyplot as plt
- import numpy as np
- 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()
- 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)
- 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)
- '''
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。
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。
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。
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。