玩一玩Numpy處理圖像

在python中進行圖像處理，咱們有三個好工具：OpenCV, SciKit-Image 和 Pillow。可是在本文中，爲了理解一些簡單圖像處理技術的基礎，咱們將使用numpy。因此這也是練習numpy的良好教程。

1.原圖

Python Imaging Library (PIL)是python下的圖像處理模塊，支持多種格式，並提供強大的圖形與圖像處理功能。Python3.x中須要先安裝：

pip install pillow

In [4]:

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

 

 

2.用numpy加載圖像數據

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.分離通道

分離通道將每一個像素點中RGB三色中的其餘兩位分別置位0。單像素單通道的值是0~255之間的整數，故而這裏使用uint8

 

• 2,3爲置位0，則爲紅色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爲置位0，則爲綠色R

In [8]:

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

 

 

• 1,2爲置位0，則爲藍色B

In [9]:

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

 

 

4.灰度圖

彩色圖像轉換爲灰度圖像時，須要計算圖像中每一個像素有效的亮度值，其計算公式爲： Y = 0.3R + 0.59G + 0.11B。故而，向量[0.3,0.59,0.11]和三維張量作點積，便可獲得二維張量（矩陣）也就是灰度圖

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.轉置

轉置能夠對數組進行重置，轉置有三種方式，transpose方法、T屬性以及swapaxes方法。

 

5.1 .T,適用於1、二維數組

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 高維數組

對於高維數組，transpose須要用到一個由軸編號組成的元組，才能進行轉置。對多維數組來講，肯定最底層的一個基本元素位置須要用到的索引個數便是維度。好比說三維的數組，那就對維度進行編號，也就是0,1,2。這樣說可能比較抽象。這裏的0,1,2能夠理解爲對shape返回元組的索引。

 

transpose進行的操做實際上是將各個維度重置，原來（711,400,3）對應的是（0,1,2）。使用transpose(1,0,2)後，各個維度大小變爲（400,711,3），其實就是將第一維和第二維互換。

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 水平鏡像

即交換張量的第一維的行順序,對於一維數組來講，python原生的list和numpy的array的切片操做都是相同的。無非是記住一個規則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 水平翻轉

即交換張量的第二維的列順序，相對於一維數組而言，二維（多維）數組用的會更多。通常語法是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.交換通道

即交換第三維的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，請關注：