Numpy應用案例

Numpy應用案例

注：__使用numpy庫來對圖像進行處理。__這裏咱們使用matplotlib.pyplot的相關方法來輔助。

處理圖像的時候，顏色都是使用RGB三個通道進行疊加而造成的一個顏色 _R：__紅色通道__G：__綠色__B: 藍色_

可使用三維的數組來表示一張圖片
最高維度0：__圖片的高度 次高維1：__圖片的寬度 最低維2：__RGB三個元素

In [2]:

import numpy as np
import matplotlib.pyplot as plt

---

圖像讀取與顯示

• plt.imread：讀取圖像，返回圖像的數組（三維數組）。
• plt.imshow：顯示圖像。
• plt.imsave：保存圖像。

說明：

• imread方法默認只能處理png格式的圖像，若是須要處理其餘格式的圖像，須要安裝pillow庫。

In [62]:

a=plt.imread("1.jpg") # 將圖片信息讀取成數組信息
# 返回的信息是一個三維的數組
# 最高維度：一共有332個元素
# 次高維：一共有500個元素
# 最低維：每一個像素點的顏色信r g b
a #已知數組信息，使用imshow讀取成圖片
plt.imshow(a)
# 將數組信息存儲成圖片
plt.imsave("c:/numpy.jpg",a)

# 利用已學過的知識顯示數組a的形狀
print(a.shape)

(332, 500, 3)

顯示純色圖像

• 顯示白色圖像
• 顯示黑色圖像
• 顯示指定顏色圖像

In [23]:

# (1)如何在ndarray數組中存儲一張圖片。
# 三維：最高維：高
# 次高維：寬
# 最低維：顏色
# 顏色的存儲：
# 在numpy中能夠有兩種形式：
# 3 rgb顏色值越大，圖片就越亮

一種是無符號 uint8 0-255

float類型 float 0-1

# x=np.ones(shape=(100,200,3))#白色圖像，rgb[1,1,1]
# x=np.zeros(shape=(100,200,3))#黑色色圖像，rgb[0,0,0]
# x=np.full(shape=(100,200,3),fill_value=255)#rgb[255,255,255]
# plt.imshow(x)

# x=np.full(shape=(100,200,3),fill_value=148) # [148,148,148],[148,148,148],[148,148,148],[148,148,148],

# 使得rgb三個值都不一樣，可是圖像上的全部點的rgb顏色都一致，就是純色的其餘顏色的圖
# plt.imshow(x)

# 每一個下像素點的值[228,251,142]
# x=[228,251,142] # 不行 直接使用x進行賦值，不是在對x中的每一個元素進行賦值，而是將x跟其餘的數據對象進行了綁定。
# x[:,:] # 獲取圖像中的每一個rgb元素的值（列表）
# x[:,:]=[228,251,142]
# x[:]=[228,251,142] # 簡化，由於獲取的低維度所有獲取。
# plt.imshow(x)

Out[23]:

<matplotlib.image.AxesImage at 0x997aa20>

---

轉換爲灰度圖

灰度圖的數據能夠當作是二維數組，元素取值爲0 ~ 255，其中，0爲黑色，255爲白色。從0到255逐漸由暗色變爲亮色。
灰度圖轉換（ITU-R 601-2亮度變換）：
L = R * 299 / 1000 + G * 587 / 1000 + B * 114 / 1000
R,G,B爲最低維的數據。
顯示灰度圖時，須要在imshow中使用參數：
`cmap="gray"
`

In [36]:

# a# 三維的數組 最高維：高， 次高維：寬 最低維[R,G,B]
# b=np.array([0.299,0.587,0.114])
# x=np.dot(a,b) # 將上面的RGB和b數組中的每一個元素進行對位相乘，再相加，必定獲得的是一個數字L
# plt.imshow(x,cmap="gray")

第二種比較粗糙的方式，

# 目的是讓每一個rgb都變成一個數值，能夠去rgb三個數值中的最大值，最小值，或者是平均值。
# x=np.max(a,axis=2)
# plt.imshow(x,cmap="gray")
# x=np.min(a,axis=2)
# plt.imshow(x,cmap="gray")
# x=np.mean(a,axis=2)
# plt.imshow(x,cmap="gray")

Out[36]:

<matplotlib.image.AxesImage at 0xa492b00>

---

灰度圖（2）

以上轉換爲標準的公式，咱們也能夠採用不正規的方式：

• 使用最大值代替整個最低維
• 使用最小值代替整個最低維
• 使用平均值代替整個最低維

圖像顏色通道

對於彩色圖像，能夠認爲是由RGB三個通道構成的。每一個最低維就是一個通道。分別提取R，G，B三個通道，並顯示單通道的圖像。

In [68]:

t=a.copy()
# 進行紅色通道的提取：就是將每一個像素點中的g和b，設置成0
# （1）獲取素有的像素點。
# （2）將每一個像素點中的第1個元素和第二個元素（g,b）設置成0
# [r,g,b]
# t[:,:,1:3]=0
# plt.imshow(t)

# 對藍色通道進行提取
# 將b不變，其他都設置成0

[r,g,b]

# t[:,:,0:2]=0
# plt.imshow(t)

# 對綠色通道進行提取
# 將g不變，其他都設置成0

[r,g,b]

# t[:,:,0:3:2]=0
# t[:,:,::2]=0
# plt.imshow(t)

# 獲取綠色通道，若是不使用切片，只使用索引
# 經過提供整數索引
# a=np.array([1,2,3,4,5])
# a[1],a[3],a[4]
# index=[1,3,4] #造成索引列表
# a[index]
t
# greenindex=[0,2]
# t[:,:,greenindex]=0
# 如下三種方法均可以
t[:,:,[0,2]]=0
t[:,:,0:3:2]=0
t[:,:,::2]=0
# plt.imshow(t)

# 一塊兒顯示
red=a.copy()
green=a.copy()
blue=a.copy()
red[:,:,1:3]=0
green[:,:,::2]=0
blue[:,:,:2]=0
fig,ax=plt.subplots(2,2)
fig.set_size_inches(15,15)
ax[0,0].imshow(a)
ax[0,1].imshow(red)
ax[1,0].imshow(green)
ax[1,1].imshow(blue)

Out[68]:

<matplotlib.image.AxesImage at 0xc6ab780>

---

圖像重複

• 將圖像沿着水平方向重複三次。
• 將圖像沿着垂直方向重複兩次。
• 將圖像沿着水平方向重複兩次，垂直重複三次。

In [74]:

t=a.copy()
# r=np.concatenate((t,t,t),axis=1)
# r=np.concatenate((t,t),axis=0)

# 先水平方向兩次，再垂直方向3次
r1=np.concatenate((t,t),axis=1)
r2=np.concatenate((r1,r1,r1),axis=0)
plt.imshow(r2)

Out[74]:

<matplotlib.image.AxesImage at 0xc52e4a8>

---

圖像鏡面對稱

• 將圖像水平鏡面轉換。
• 將圖像垂直鏡面轉換。

In [91]:

# li=[1,2,3,4,5]
# li[::-1]

# 得到ndarray數組下的每一列
# x=np.array([[1,2,3,4],
# [5,6,7,8]])
# x[1]
# x[:,1]
t=a.copy()
# t[:,::-1]
plt.imshow(t[:,::-1])

# 水平鏡面
# 至關於進行行交換，讓原來第0行，顯示在第n行
t=a.copy()
plt.imshow(t[::-1])

Out[91]:

<matplotlib.image.AxesImage at 0xf978ef0>

---

左右旋轉

• 將圖像向左旋轉90 / 180度。
• 將圖像向右旋轉90 / 180度。

In [100]:

# 對於二維數組來講，行變列，列變行
x=np.array([[1,2,3],[4,5,6]])
print(x)
x.transpose()

# 向左旋轉90度
# （1）先tranpose

（2）再作水平鏡面

# t=a.copy()
# r=t.transpose(1,0,2)
# plt.imshow(r[::-1])

# 右旋轉90
# (1)轉置

（2）作垂直鏡面

t=a.copy()
# t.transpose(1,0,2)
r=t.swapaxes(0,1)
plt.imshow(r[:,::-1])

[[1 2 3]
[4 5 6]]

Out[100]:

<matplotlib.image.AxesImage at 0xfa8dfd0>

---

顏色轉換

在圖像中，用綠色值代替之前的紅色值，用藍色值代替之前的綠色值，用紅色值代替之前的藍色值。

---

顏色遮擋 / 疊加

• 在指定的區域使用特定的純色去遮擋圖像。
• 在指定的區域使用隨機生成的圖像去遮擋圖像。
• 使用小圖像放在大圖像上。

---

圖像分塊亂序

將圖像分紅若干塊子圖像（例如10 * 10），而後打亂各子圖像順序（拼圖）。

若是你以爲文章還不錯，請你們點贊分享下。

▼

文章詳情，請關注微信公衆號"Python爬蟲與大數據分析"