python批量图像处理_python图像处理(4)之图像批量处理

当对一批图片进行处理时，有如下方法：

循环进行处理

调用程序自带的图片集合来处理

图片集合函数为:

skimage.io.ImageCollection(load_pattern, load_func=None)

该函数在io模块中，带两个参数

load_pattern, 图片组的路径，可是是一个str字符串

load_func, 是一个回调函数，对图片进行批量处理就可以通过这个回调函数实现，默认回调函数是 imread(), 即默认这个函数是批量读取图片

图片批量处理例子

例如:

import skimage.io as io

from skimage import data_dir

str = data_dir + '/*.png'

coll = io.ImageCollection(str)

print(len(coll))

输出为

27

表示系统自带了27张图片，通过ImageCollection接口读取出来，放在图片集合coll变量中，若要显示其中一张图片，使用如下代码

io.imshow(coll[20])

io.show()

显示结果如下

当要把不同格式的图片，例如既有jpg格式图片，又有png格式图片，全部读取出来的方法如下

import skimage.io as io

from skimage import data_dir

str='d:/pic/*.jpg:d:/pic/*.png'

coll = io.ImageCollection(str)

print(len(coll))

注意:

这个地方’d:/pic/.jpg:d:/pic/.png’ ，是两个字符串合在一起的，第一个是’d:/pic/.jpg’, 第二个是’d:/pic/.png’ ，合在一起后，中间用冒号(:) 来隔开， 这样就可以把d:/pic/文件夹下的jpg和png格式的图片都读取出来。如果还想读取存放在其它地方的图片，也可以一并加进去，只是中间同样用冒号来隔开。

io.ImageCollection()这个函数省略第二个参数，就是批量读取。如果我们不是想批量读取，而是其它批量操作，如批量转换为灰度图，那就需要先 定义一个函数，然后将这个函数作为第二个参数，如：

from skimage import data_dir,io,color

def convert_gray(f):

rgb=io.imread(f)

return color.rgb2gray(rgb)

str=data_dir+'/*.png'

coll = io.ImageCollection(str,load_func=convert_gray)

io.imshow(coll[20])

io.show()

输出为:

批量处理对于视频处理来说非常有用，因为视频就是一系列的图片组成

from skimage import data_dir,io,color

class AVILoader:

video_file = 'myvideo.avi'

def __call__(self, frame):

return video_read(self.video_file, frame)

avi_load = AVILoader()

frames = range(0, 1000, 10) # 0, 10, 20, ...

ic =io.ImageCollection(frames, load_func=avi_load)

myvideo.avi这个视频中每隔10帧的图片读取出来，放在图片集合中。

得到图片集合以后，我们还可以将这些图片连接起来，构成一个维度更高的数组，连接图片的函数为：

skimage.io.concatenate_images(ic)

带一个参数，就是以上的图片集合，如：

from skimage import data_dir,io,color

coll = io.ImageCollection('d:/pic/*.jpg')

mat=io.concatenate_images(coll)

使用concatenate_images(ic)函数的前提是读取的这些图片尺寸必须一致，否则会出错。我们看看图片连接前后的维度变化：

from skimage import data_dir,io,color

coll = io.ImageCollection('d:/pic/*.jpg')

print(len(coll)) #连接的图片数量

print(coll[0].shape) #连接前的图片尺寸，所有的都一样

mat=io.concatenate_images(coll)

print(mat.shape) #连接后的数组尺寸

显示结果：

2

(870, 580, 3)

(2, 870, 580, 3)

可以看到，将2个3维数组，连接成了一个4维数组

如果我们对图片进行批量操作后，想把操作后的结果保存起来，也是可以办到的。

例：把系统自带的所有png示例图片，全部转换成256*256的jpg格式灰度图，保存在d:/data/文件夹下

改变图片的大小，我们可以使用tranform模块的resize()函数，后续会讲到这个模块。

from skimage import data_dir,io,transform,color

import numpy as np

def convert_gray(f):

rgb=io.imread(f) #依次读取rgb图片

gray=color.rgb2gray(rgb) #将rgb图片转换成灰度图

dst=transform.resize(gray,(256,256)) #将灰度图片大小转换为256*256

return dst

str=data_dir+'/*.png'

coll = io.ImageCollection(str,load_func=convert_gray)

for i in range(len(coll)):

io.imsave('/home/wxer/pic/'+np.str(i)+'.jpg',coll[i]) #循环保存图片

保存的图片结果如下

参考