Python圖像數組操作與灰度變換
使用python以及numpy通過直接操作圖像數組完成一系列基本的圖像處理
numpy簡介:
NumPy是一個非常有名的 Python 科學計算工具包,其中包含了大量有用的工具,比如數組對象(用來表示向量、矩陣、圖像等)以及線性代數函數。
數組對象可以實現數組中重要的操作,比如矩陣乘積、轉置、解方程系統、向量乘積和歸一化。這爲圖像變形、對變化進行建模、圖像分類、圖像聚類等提供了基礎。
在上一篇python基本圖像操作中,當載入圖像時,通過調用 array() 方法將圖像轉換成NumPy的數組對象。NumPy 中的數組對象是多維的,可以用來表示向量、矩陣和圖像。通過對圖像的數組進行直接操作,就可以完成很多圖像處理。
numpy的相關知識網上有很多資料,作爲python科學計算的基礎,還是非常值得認真學習的。
使用圖像數組進行基本圖像操作:
認識圖像數組:
通過下面這幾個程序我們看一下圖像與灰度圖的圖像數組,以及numpy數組的切片。
# -*- coding: utf-8 -*-
from PIL import Image
from pylab import *
#讀取圖片並轉爲數組
im = array(Image.open("./source/test.jpg"))
#輸出數組的各維度長度以及類型
print im.shape,im.dtype
#輸出位於座標100,100,顏色通道爲r的像素值
print im[100,100,0]
#輸出座標100,100的rgb值
print im[100,100]及類型
print im.shape,im.dtype
運行結果:
(600, 500, 3) uint8
64
[ 64 117 195]
我們看到的是一個三維數組,分別代表橫座標,縱座標和顏色通道。
我們可以通過數組把紅藍通道交換
# -*- coding: utf-8 -*-
from PIL import Image
from pylab import *
#讀取圖片並轉爲數組
im = array(Image.open("./source/test.jpg"))
#紅色通道
r = im[:,:,0]
#交換紅藍通道並顯示
im[:,:,0] = im[:,:,2]
im[:,:,2] = r
imshow(im)
show()
這裏用到了numpy數組的切片方式,關於numpy的資料網上有很多,就不過多敘述了。
運行結果:
在轉爲數組的過程中我們可以設定數據類型,同時灰度圖的圖像數組也是有意義的:
# -*- coding: utf-8 -*-
from PIL import Image
from pylab import *
#讀取圖片,灰度化,並轉爲數組
im = array(Image.open("./source/test.jpg").convert('L'),'f')
#輸出數組的各維度長度以及類型
print im.shape,im.dtype
#輸出座標100,100的值
print im[100,100]
運行結果:
(600, 500) float32
110.0
額外的參數‘f’將數組的數據類型轉爲浮點數
由於灰度圖沒有顏色信息,所以形狀元組只有兩個數值
*array()變換的相反操作可以使用PIL的fromarray()完成,如im = Image.fromarray(im)
圖像數組的簡單應用——灰度變換:
灰度圖像:
灰度數字圖像是每個像素只有一個採樣顏色的圖像。這類圖像通常顯示爲從最暗黑色到最亮的白色的灰度。
可以通過下面幾種方法,將圖像轉換爲灰度:
1.浮點算法:Gray=R*0.3+G*0.59+B*0.11
2.整數方法:Gray=(R*30+G*59+B*11)/100
3.移位方法:Gray =(R*76+G*151+B*28)>>8;
4.平均值法:Gray=(R+G+B)/3;
5.僅取綠色:Gray=G;
通過上述任一種方法求得Gray後,將原來的RGB(R,G,B)中的R,G,B統一用Gray替換,形成新的顏色RGB(Gray,Gray,Gray),用它替換原來的RGB(R,G,B)就是灰度圖了。
之前已經使用過很多次了,使用python可以通過使用convert(‘L’)來獲得灰度圖
灰度變換:
將圖像讀入 NumPy 數組對象後,我們可以對它們執行任意數學操作。一個簡單的例子就是圖像的灰度變換。即任意函數 f ,它將 0…255 區間(或者 0…1 區間)映射到自身。
下面程序中有一些簡單的灰度變換:
# -*- coding: utf-8 -*-
from PIL import Image
from pylab import *
#讀取圖片,灰度化,並轉爲數組
im = array(Image.open("./source/test.jpg").convert('L'))
im2 = 255 - im # 對圖像進行反相處理
im3 = (100.0/255) * im + 100 # 將圖像像素值變換到 100...200 區間
im4 = 255.0 * (im/255.0)**2 # 對圖像像素值求平方後得到的圖像(二次函數變換,使較暗的像素值變得更小)
#2x2顯示結果 使用第一個顯示原灰度圖
subplot(221)
title('f(x) = x')
gray()
imshow(im)
#2x2顯示結果 使用第二個顯示反相圖
subplot(222)
title('f(x) = 255 - x')
gray()
imshow(im2)
#2x2顯示結果 使用第三個顯示100-200圖
subplot(223)
title('f(x) = (100/255)*x + 100')
gray()
imshow(im3)
#2x2顯示結果 使用第四個顯示二次函數變換圖
subplot(224)
title('f(x) =255 *(x/255)^2')
gray()
imshow(im4)
#輸出圖中的最大和最小像素值
print int(im.min()),int(im.max())
print int(im2.min()),int(im2.max())
print int(im3.min()),int(im3.max())
print int(im4.min()),int(im4.max())
show()
運行結果:
0 255
0 255
100 200
0 255
可以比較明顯的看到灰度變換的結果,,第二張圖被反相顯示,第三張圖像的暗部變亮,亮部變暗,其值被限制在100到200之間,其中最後一張圖像通過二次函數變換使較暗的像素值變得更暗。
結語:
本篇博客介紹了python使用圖像數組去進行圖像操作的過程,包括幾個簡單的實例,通過數組我們可以對圖像進行任意數學操作,是圖像變形、圖像分類、圖像聚類等的基礎,希望我的博客對大家有所幫助~