python图像处理实验中记录(包括图像读取、图像缩放、图像格式转换等)

• 图像读取

  • 使用skimage img = io.imread(img_path)
    • np.ndarray, (0, 255), RGB
  • 使用opencv img = cv2.imread(img_path)
    • np.ndarray, (0, 255), BGR
  • 使用PIL img = Image.open(img_path)
    • PIL.Image.Image对象 (H * W * C), (0, 255), RGB

• 图像缩放

  • 一般说的102*128指：高102,宽128
  • 使用skimage(from skimage import transform) img = transform.resize(img, (height, width))
  • 使用opencv img = cv2.resize(img, (width, height))
  • 使用PIL img =img.resize((width, height), Image.ANTIALIAS)
  • 使用torch (from torchvision import transforms)
    • resize = transforms.Resize([height, width]) img = resize(img)

• 图像格式转换

• torchvision
  • 可以把张量或ndarray转为PIL图像
  • 可以将PIL图像或ndarray图像转为张量

• 小操作

  • 图像转为ndarray之后可以使用切片进行裁减或者替换对应位置的像素点
    • img = np.array(img, dtype=np.uint8)
      img = img[26:-2, 11:-9]
  • 对图像进行增加一个通道的处理，类似于tensor, numpy 的操作，此处引入了新的张量转换包einops
    • mask_img = np.expand_dims(mask_img, axis=2)
    • img = einops.rearrange(img,“w h -> w h 1”)
    • input_tensor = torch.unsqueeze(img_tensor, dim=0) # 增加一个batch维度
  • 图像去除维度1
    • img = np.squeeze(img)
  • 图像维度变换，使用einops包
    • img = einops.rearrange(img,“h w c -> w h c”)
  • 给图像上下左右填充像素点，以其外侧边缘的像素类型进行填充
    • top_size, bottom_size, left_size, right_size = (24, 0, 12, 12)
      img = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, cv2.BORDER_REPLICATE)
  • 设定阈值，把图像grayscale_cam变为二值化图像frame_cam
    • frame_cam = np.where(grayscale_cam > 0.5, 1.0, 0.0)