Python 读取图，旋转，缩放（PIL, matplotlib）
运用skimage.transform进行图像处理后，发现像素数值在-1 与1 之间，然后减去数据RGB的均值（100左右），不可行。
1. PIL读取，旋转，缩放的操作
于是采用命令
import matplotlib.pyplot as plt
import numpy as np
from PIL import Image
img = Image.open('lena.png') # 读取的图像显示的
img.show()
img.format
region = img.transpose(Image.ROTATE_180) #翻转
out = img.resize((128, 128)) # 改变大小
out1 = img.rotate(45) #旋转
plt.imshow(img) # 显示
mean=np.array([104., 117., 124.]) #均值
np.shape(img)
img1 -= mean
plt.imshow(img1)
2. PIL, matplotlib 读取图像的差别
import matplotlib.pyplot as plt
mport numpy as np
from PIL import Image
img = Image.open('lena.png') # 读取的图像显示的
lena = mpimg.imread('lena.png') #直接显示像素的矩阵形式
#img 显示成矩阵形式的操作
img1 = np.array(img) l
3.详细讲解转自http://www.cnblogs.com/yinxiangnan-charles/p/5928689.html
在 python 中除了用 opencv，也可以用 matplotlib 和 PIL 这两个库操作图片。本人偏爱 matpoltlib，因为它的语法更像 matlab。
一、matplotlib
1. 显示图片
import matplotlib.pyplot as plt # plt 用于显示图片 import matplotlib.image as mpimg # mpimg 用于读取图片 import numpy as np lena = mpimg.imread('lena.png') # 读取和代码处于同一目录下的 lena.png # 此时 lena 就已经是一个 np.array 了，可以对它进行任意处理 lena.shape #(512, 512, 3) plt.imshow(lena) # 显示图片 plt.axis('off') # 不显示坐标轴 plt.show()
2. 显示某个通道
# 显示图片的第一个通道 lena_1 = lena[:,:,0] plt.imshow('lena_1') 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，有如下几种添加方法： plt.imshow('lena_1', cmap='Greys_r') plt.show() img = plt.imshow('lena_1') img.set_cmap('gray') # 'hot' 是热量图 plt.show()
3. 将 RGB 转为灰度图
matplotlib 中没有合适的函数可以将 RGB 图转换为灰度图，可以根据公式自定义一个：
def rgb2gray(rgb): return np.dot(rgb[...,:3], [0.299, 0.587, 0.114]) gray = rgb2gray(lena) # 也可以用 plt.imshow(gray, cmap = plt.get_cmap('gray')) plt.imshow(gray, cmap='Greys_r') plt.axis('off') plt.show()
4. 对图像进行放缩
这里要用到 scipy
from scipy import misc lena_new_sz = misc.imresize(lena, 0.5) # 第二个参数如果是整数，则为百分比，如果是tuple，则为输出图像的尺寸 plt.imshow(lena_new_sz) plt.axis('off') plt.show()
5. 保存图像
5.1 保存 matplotlib 画出的图像
该方法适用于保存任何 matplotlib 画出的图像，相当于一个 screencapture。
plt.imshow(lena_new_sz) plt.axis('off') plt.savefig('lena_new_sz.png')
5.2 将 array 保存为图像
from scipy import misc misc.imsave('lena_new_sz.png', lena_new_sz)
5.3 直接保存 array
读取之后还是可以按照前面显示数组的方法对图像进行显示，这种方法完全不会对图像质量造成损失
np.save('lena_new_sz', lena_new_sz) # 会在保存的名字后面自动加上.npy img = np.load('lena_new_sz.npy') # 读取前面保存的数组
二、PIL
1. 显示图片
from PIL import Image im = Image.open('lena.png') im.show()
2. 将 PIL Image 图片转换为 numpy 数组
im_array = np.array(im) # 也可以用 np.asarray(im) 区别是 np.array() 是深拷贝，np.asarray() 是浅拷贝
3. 保存 PIL 图片
直接调用 Image 类的 save 方法
from PIL import Image I = Image.open('lena.png') I.save('new_lena.png')
4. 将 numpy 数组转换为 PIL 图片
这里采用 matplotlib.image 读入图片数组，注意这里读入的数组是 float32 型的，范围是 0-1，而 PIL.Image 数据是 uinit8 型的，范围是0-255，所以要进行转换：
import matplotlib.image as mpimg from PIL import Image lena = mpimg.imread('lena.png') # 这里读入的数据是 float32 型的，范围是0-1 im = Image.fromarray(np.uinit8(lena*255)) im.show()
5. RGB 转换为灰度图
from PIL import Image I = Image.open('lena.png') I.show() L = I.convert('L') L.show()