cv基础 | 使用python对图像进行处理

以前照相没有那么容易，但现在你只需要一部手机，如果我们不考虑手机的费用的话，拍照是免费的。就在上一代人之前，业余艺术家和真正的艺术家来说拍照非常昂贵，并且每张照片的成本也不是免费的。

我们拍照是为了及时保存伟大的时刻，被保存的记忆随时准备在未来被"打开"。

就像腌制东西一样，我们要注意正确的防腐剂。当然，手机也为我们提供了一系列的图像处理软件，但是一旦我们需要处理大量的照片，我们就需要其他的工具。这时，编程和Python就派上用场了。Python及其模块如Numpy、Scipy、Matplotlib和其他特殊模块提供了各种各样的函数，能够处理大量图片。

为了向你提供必要的知识，本章的Python教程将对基本的图像处理和操作进行教学。为此，我们使用模块NumPy、Matplotlib和SciPy。

我们从scipy的misc包开始。

# 以下行仅在Python notebook中需要:%matplotlib inlinefrom scipy import miscascent = misc.ascent()import matplotlib.pyplot as pltplt.gray()plt.imshow(ascent)plt.show()

除了图像之外，我们还可以看到带有刻度的轴。如果你需要一些关于大小和像素位置的方向，那这是很有用的。但在大多数情况下，你想看到没有这些信息的图像，我们可以通过添加命令plt.axis("off")来去掉刻度和轴:

from scipy import miscascent = misc.ascent()import matplotlib.pyplot as pltplt.axis("off") # 删除轴和刻度plt.gray()plt.imshow(ascent)plt.show()

我们可以看到这个图像的类型是一个整数数组:

ascent.dtype

输出:

dtype('int64')

我们也可以检查图像的大小:

ascent.shape

输出:

(512,512)

misc包里还有一张浣熊的图片:

import scipy.miscface = scipy.misc.face()print(face.shape)print(face.max)print(face.dtype)plt.axis("off")plt.gray()plt.imshow(face)plt.show()(768, 1024, 3)uint8import matplotlib.pyplot as plt

matplotlib只支持png图像

img = plt.imread('frankfurt.png')print(img[:3])[[[ 0.41176471  0.56862748  0.80000001]  [ 0.40392157  0.56078434  0.79215688]  [ 0.40392157  0.56862748  0.79607844]  ...,   [ 0.48235294  0.62352943  0.81960785]  [ 0.47843137  0.627451    0.81960785]  [ 0.47843137  0.62352943  0.82745099]] [[ 0.40784314  0.56470591  0.79607844]  [ 0.40392157  0.56078434  0.79215688]  [ 0.40392157  0.56862748  0.79607844]  ...,   [ 0.48235294  0.62352943  0.81960785]  [ 0.47843137  0.627451    0.81960785]  [ 0.48235294  0.627451    0.83137256]] [[ 0.40392157  0.56862748  0.79607844]  [ 0.40392157  0.56862748  0.79607844]  [ 0.40392157  0.56862748  0.79607844]  ...,   [ 0.48235294  0.62352943  0.81960785]  [ 0.48235294  0.62352943  0.81960785]  [ 0.48627451  0.627451    0.83137256]]]plt.axis("off")imgplot = plt.imshow(img)lum_img = img[:,:,1]print(lum_img)[[ 0.56862748  0.56078434  0.56862748 ...,  0.62352943  0.627451   0.62352943] [ 0.56470591  0.56078434  0.56862748 ...,  0.62352943  0.627451    0.627451  ] [ 0.56862748  0.56862748  0.56862748 ...,  0.62352943  0.62352943   0.627451  ] ...,  [ 0.31764707  0.32941177  0.32941177 ...,  0.30588236  0.3137255   0.31764707] [ 0.31764707  0.3137255   0.32941177 ...,  0.3019608   0.32156864   0.33725491] [ 0.31764707  0.3019608   0.33333334 ...,  0.30588236  0.32156864   0.33333334]]plt.axis("off")imgplot = plt.imshow(lum_img)

色彩、色度和色调

现在，我们将展示如何给图像着色。色彩是色彩理论的一种表达，是画家常用的一种技术。想到画家我们就会想到荷兰，所以在下一个例子中，我们使用荷兰风车的图片。

windmills = plt.imread('windmills.png')plt.axis("off")plt.imshow(windmills)

输出:

我们现在想给图像着色。我们用白色来增加图像的亮度，为此我们编写了一个Python函数，它接受一个图像和一个百分比值作为参数，设置"百分比"为0不会改变图像，设置为1表示图像将完全变白:

import numpy as npimport matplotlib.pyplot as pltdef tint(imag, percent):    """    imag: 图像    percent: 0，图像将保持不变，1，图像将完全变白色，值应该在0~1    """    tinted_imag = imag + (np.ones(imag.shape) - imag) * percent    return tinted_imagwindmills = plt.imread('windmills.png')tinted_windmills = tint(windmills, 0.8)plt.axis("off")plt.imshow(tinted_windmills)

输出:

阴影是一种颜色与黑色的混合，它减少了亮度。

import numpy as npimport matplotlib.pyplot as pltdef shade(imag, percent):    """    imag: 图像    percent: 0，图像将保持不变，1，图像将完全变黑，值应该在0~1    """    tinted_imag = imag * (1 - percent)    return tinted_imagwindmills = plt.imread('windmills.png')tinted_windmills = shade(windmills, 0.7)plt.imshow(tinted_windmills)

输出:

def vertical_gradient_line(image, reverse=False):    """    我们创建一个垂直梯度线。形状 (1, image.shape[1], 3))    如果reverse为False，则值从0增加到1，    否则，值将从1递减到0。    """    number_of_columns = image.shape[1]    if reverse:        C = np.linspace(1, 0, number_of_columns)    else:        C = np.linspace(0, 1, number_of_columns)    C = np.dstack((C, C, C))    return Chorizontal_brush = vertical_gradient_line(windmills)tinted_windmills =  windmills * horizontal_brushplt.axis("off")plt.imshow(tinted_windmills)

输出:

现在，我们通过将Python函数的reverse参数设置为“True”来从右向左着色图像：

def vertical_gradient_line(image, reverse=False):    """    我们创建一个水平梯度线。形状 (1, image.shape[1], 3))    如果reverse为False，则值从0增加到1，    否则，值将从1递减到0。    """    number_of_columns = image.shape[1]    if reverse:        C = np.linspace(1, 0, number_of_columns)    else:        C = np.linspace(0, 1, number_of_columns)    C = np.dstack((C, C, C))    return Chorizontal_brush = vertical_gradient_line(windmills, reverse=True)tinted_windmills =  windmills * horizontal_brushplt.axis("off")plt.imshow(tinted_windmills)

输出:

def horizontal_gradient_line(image, reverse=False):    """    我们创建一个垂直梯度线。形状(image.shape[0], 1, 3))    如果reverse为False，则值从0增加到1，    否则，值将从1递减到0。    """    number_of_rows, number_of_columns = image.shape[:2]    C = np.linspace(1, 0, number_of_rows)    C = C[np.newaxis,:]    C = np.concatenate((C, C, C)).transpose()    C = C[:, np.newaxis]    return Cvertical_brush = horizontal_gradient_line(windmills)tinted_windmills =  windmills plt.imshow(tinted_windmills)

输出:

色调是由一种颜色与灰色的混合产生的，或由着色和阴影产生的。

charlie = plt.imread('Chaplin.png')plt.gray()print(charlie)plt.imshow(charlie)[[ 0.16470589  0.16862746  0.17647059 ...,  0.          0.          0.        ] [ 0.16078432  0.16078432  0.16470589 ...,  0.          0.          0.        ] [ 0.15686275  0.15686275  0.16078432 ...,  0.          0.          0.        ] ...,  [ 0.          0.          0.         ...,  0.          0.          0.        ] [ 0.          0.          0.         ...,  0.          0.          0.        ] [ 0.          0.          0.         ...,  0.          0.          0.        ]]

输出：

给灰度图像着色:http://scikit-image.org/docs/dev/auto_examples/plot_tinting_grayscale_images.html

在下面的示例中，我们将使用不同的颜色映射。颜色映射可以在matplotlib.pyplot.cm.datad中找到:

plt.cm.datad.keys()

输出：

dict_keys(['afmhot', 'autumn', 'bone', 'binary', 'bwr', 'brg', 'CMRmap', 'cool', 'copper', 'cubehelix', 'flag', 'gnuplot', 'gnuplot2', 'gray', 'hot', 'hsv', 'jet', 'ocean', 'pink', 'prism', 'rainbow', 'seismic', 'spring', 'summer', 'terrain', 'winter', 'nipy_spectral', 'spectral', 'Blues', 'BrBG', 'BuGn', 'BuPu', 'GnBu', 'Greens', 'Greys', 'Oranges', 'OrRd', 'PiYG', 'PRGn', 'PuBu', 'PuBuGn', 'PuOr', 'PuRd', 'Purples', 'RdBu', 'RdGy', 'RdPu', 'RdYlBu', 'RdYlGn', 'Reds', 'Spectral', 'YlGn', 'YlGnBu', 'YlOrBr', 'YlOrRd', 'gist_earth', 'gist_gray', 'gist_heat', 'gist_ncar', 'gist_rainbow', 'gist_stern', 'gist_yarg', 'coolwarm', 'Wistia', 'Accent', 'Dark2', 'Paired', 'Pastel1', 'Pastel2', 'Set1', 'Set2', 'Set3', 'tab10', 'tab20', 'tab20b', 'tab20c', 'Vega10', 'Vega20', 'Vega20b', 'Vega20c', 'afmhot_r', 'autumn_r', 'bone_r', 'binary_r', 'bwr_r', 'brg_r', 'CMRmap_r', 'cool_r', 'copper_r', 'cubehelix_r', 'flag_r', 'gnuplot_r', 'gnuplot2_r', 'gray_r', 'hot_r', 'hsv_r', 'jet_r', 'ocean_r', 'pink_r', 'prism_r', 'rainbow_r', 'seismic_r', 'spring_r', 'summer_r', 'terrain_r', 'winter_r', 'nipy_spectral_r', 'spectral_r', 'Blues_r', 'BrBG_r', 'BuGn_r', 'BuPu_r', 'GnBu_r', 'Greens_r', 'Greys_r', 'Oranges_r', 'OrRd_r', 'PiYG_r', 'PRGn_r', 'PuBu_r', 'PuBuGn_r', 'PuOr_r', 'PuRd_r', 'Purples_r', 'RdBu_r', 'RdGy_r', 'RdPu_r', 'RdYlBu_r', 'RdYlGn_r', 'Reds_r', 'Spectral_r', 'YlGn_r', 'YlGnBu_r', 'YlOrBr_r', 'YlOrRd_r', 'gist_earth_r', 'gist_gray_r', 'gist_heat_r', 'gist_ncar_r', 'gist_rainbow_r', 'gist_stern_r', 'gist_yarg_r', 'coolwarm_r', 'Wistia_r', 'Accent_r', 'Dark2_r', 'Paired_r', 'Pastel1_r', 'Pastel2_r', 'Set1_r', 'Set2_r', 'Set3_r', 'tab10_r', 'tab20_r', 'tab20b_r', 'tab20c_r', 'Vega10_r', 'Vega20_r', 'Vega20b_r', 'Vega20c_r'])import numpy as npimport matplotlib.pyplot as pltcharlie = plt.imread('Chaplin.png')#  colormaps plt.cm.datad# cmaps = set(plt.cm.datad.keys())cmaps = {'afmhot', 'autumn', 'bone', 'binary', 'bwr', 'brg',          'CMRmap', 'cool', 'copper', 'cubehelix', 'Greens'}X = [  (4,3,1, (1, 0, 0)), (4,3,2, (0.5, 0.5, 0)), (4,3,3, (0, 1, 0)),        (4,3,4, (0, 0.5, 0.5)),  (4,3,(5,8), (0, 0, 1)), (4,3,6, (1, 1, 0)),        (4,3,7, (0.5, 1, 0) ),               (4,3,9, (0, 0.5, 0.5)),       (4,3,10, (0, 0.5, 1)), (4,3,11, (0, 1, 1)),    (4,3,12, (0.5, 1, 1))]fig = plt.figure(figsize=(6, 5))#fig.subplots_adjust(bottom=0, left=0, top = 0.975, right=1)for nrows, ncols, plot_number, factor in X:    sub = fig.add_subplot(nrows, ncols, plot_number)    sub.set_xticks([])    plt.colors()
    sub.imshow(charlie*0.0002, cmap=cmaps.pop())    sub.set_yticks([])#fig.show()

原文链接：https://levelup.gitconnected.com/image-processing-in-python-b5e3e11e1413

留言送书福利 

感谢大家的走心留言，每一条小编都认真阅读了，会继续努力哒。

这次没被抽中的朋友不要气馁~ 我们会坚持不定期推出留言送书活动，多多留言会增加中奖概率的。

恭喜下面留言的这位读者获赠书籍《人脸识别与美颜算法实战：基于Python、机器学习与深度学习》一本。请联系小编：mthler。

恭喜下面留言的两位读者分别获赠书籍《Halcon机器视觉算法原理与编程实战》一本。请联系小编：mthler。

☆ END ☆

如果看到这里，说明你喜欢这篇文章，请转发、点赞。微信搜索「uncle_pn」，欢迎添加小编微信「 mthler」，每日朋友圈更新一篇高质量博文（无广告）。

↓扫描二维码添加小编↓