计算机视觉 图像基本操作

图像基本操作

PIL:Python图像处理类库

​ PIL (Python Imaging Library)图像库提供了很多常用的图像处理及很多有用的图像基本操作，如图像缩放、裁剪、旋转、颜色转换等

灰度图像

convert（）方法实现

pil_im = Image.open('./pic.jpg').convert('L')

创建图像缩略图

thumbnail（）方法，参数指定大小

pil_im.thumbnail((128,128))

调整尺寸和旋转

resize（）方法，参数调整所需大小

rotate（）方法逆时针旋转

out = pil_im.resize((64,64))
out = pil_im.rotate(45)

Matplotlib绘制图像、点和线

im = array(Image.open('pic.jpg'))
imshow(im)
x = [10,10,40,40]
y = [20,50,20,00]
plot(x,y,'r*')
plot(x[:2],y[:2])
title('Plotting: "empire.jpg"')

选择颜色和样式

plot(x,y) # 默认为蓝色实线
plot(x,y,'r*') # 红色星状标记
plot(x,y,'go-') # 带有圆圈标记的绿线
plot(x,y,'ks:') # 带有正方形标记的黑色虚线

图像轮廓和直方图

绘制图像轮廓

im = array(Image.open('pic.jpg').convert('L'))
figure# 新建
gray()# 灰度
contour(im, origin='image')
axis('equal')
axis('off')

绘制图像直方图

hist（）函数绘制，首先用flatten（）压平

im=array(Image.open('./pic.jpg').convert('L'))
gray()
hist(im.flatten(),128)

Numpy-直方图均衡化

numpy（Numerical Python）提供了python对多维数组对象的支持：ndarray，具有矢量运算能力，快速、节省空间。numpy支持高级大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。

灰度变换

im = array(Image.open('pic.jpg').convert('L'))
im2 = 255 - im # 反相处理
im3 = (100.0/255) * im + 100 # 像素值变换100~200
im4 = 255.0 * (im/255.0)**2 # 图像像素值求平方

直方图均衡化

def histeq(im,nbr_bins=256):
 imhist,bins = histogram(im.flatten(),nbr_bins,normed=True)
 cdf = imhist.cumsum() 
 cdf = 255 * cdf / cdf[-1] # 归一化
 im2 = interp(im.flatten(),bins[:-1],cdf)
 return im2.reshape(im.shape), cdf

SciPy-高斯滤波

使用滤波操作的scipy.ndimage.filters 模块，用快速一维分离的方式来计算卷积

from PIL import Image
from numpy import *
from scipy.ndimage import filters
im = array(Image.open('pic.jpg').convert('L'))
im2 = filters.gaussian_filter(im,5)