【Matplotlib】基础设置之图像处理05

图像基础

导入相应的包:

import matplotlib.pyplot as plt
import matplotlib.image as mpimg
import numpy as np
%matplotlib inline

【Matplotlib】基础设置之图像处理05_第1张图片

导入图像

我们首先导入上面的图像,注意 matplotlib 默认只支持 PNG 格式的图像,我们可以使用 mpimg.imread 方法读入这幅图像:

img = mpimg.imread('stinkbug.png')
img.shape
(375L, 500L, 3L)

这是一个 375 x 500 x 3RGB 图像,并且每个像素使用 uint8 分别表示 RGB 三个通道的值。不过在处理的时候,matplotlib 将它们的值归一化到 0.0~1.0 之间:

img.dtype
dtype('float32')

显示图像

使用 plt.imshow() 可以显示图像:

imgplot = plt.imshow(img)

【Matplotlib】基础设置之图像处理05_第2张图片

伪彩色图像

从单通道模拟彩色图像:

lum_img = img[:,:,0]
imgplot = plt.imshow(lum_img)

【Matplotlib】基础设置之图像处理05_第3张图片

改变 colormap

imgplot = plt.imshow(lum_img)
imgplot.set_cmap('hot')

【Matplotlib】基础设置之图像处理05_第4张图片

imgplot = plt.imshow(lum_img)
imgplot.set_cmap('spectral')

【Matplotlib】基础设置之图像处理05_第5张图片

显示色度条:

imgplot = plt.imshow(lum_img)
imgplot.set_cmap('spectral')
plt.colorbar()
plt.show()

【Matplotlib】基础设置之图像处理05_第6张图片

限制显示范围

先查看直方图:

plt.hist(lum_img.flatten(), 256, range=(0.0,1.0), fc='k', ec='k')
plt.show()

【Matplotlib】基础设置之图像处理05_第7张图片

将显示范围设为 0.0-0.7

imgplot = plt.imshow(lum_img)
imgplot.set_clim(0.0,0.7)

【Matplotlib】基础设置之图像处理05_第8张图片

resize 操作

from PIL import Image
img = Image.open('stinkbug.png')
rsize = img.resize((img.size[0]/10,img.size[1]/10))
rsizeArr = np.asarray(rsize) 
imgplot = plt.imshow(rsizeArr)

【Matplotlib】基础设置之图像处理05_第9张图片

上面我们将这个图像使用 PIL 的 Image 对象导入,并将其 resize 为原来的 1/100,可以看到很多细节都丢失了。

在画图时,由于画面的大小与实际像素的大小可能不一致,所以不一致的地方会进行插值处理,尝试一下不同的插值方法:

imgplot = plt.imshow(rsizeArr)
imgplot.set_interpolation('nearest')

【Matplotlib】基础设置之图像处理05_第10张图片

imgplot = plt.imshow(rsizeArr)
imgplot.set_interpolation('bicubic')

【Matplotlib】基础设置之图像处理05_第11张图片

你可能感兴趣的:(05_数据可视化,matplotlib,图像处理,人工智能)