Python操作图像

作者：金良（[email protected]） csdn博客：http://blog.csdn.net/u012176591

操作图像数据时常会对数组的维度进行转变，这里贴一下Python的reshape()函数的例子，可以留意一下该函数是怎么进行维度转变的

由于一般操作的图像数据时灰度图像，这里介绍一下灰度图像的概念。

灰度（Gray scale）图像是一种具有从黑到白256级灰度等级（0~255,0表示黑，255表示白）的单色图像。该图像中的每个像素用8位数据表示，因此像素点值介于黑白间的256种灰度中的一种。该图像只有灰度等级，而没有颜色的变化。灰度圖像與黑白圖像不同，在計算機圖像領域中黑白圖像只有黑白兩種顏色，灰度圖像在黑色與白色之間還有許多級的顏色深度。灰度图像与RGB也不同，RGB对每个像素点用Red、Green、Blue三种颜色的值（每个值介于0~255，表示颜色强度）来标记，而不像灰度图一样只用一个表示灰度的值来标记。所以灰度图的数据矩阵是二维的，而RGB图的数据矩阵是三维的，矩阵元素的值都是0~255的整数值。RGB到灰度图的转换，即由R、G、B三个值影射到灰度的算法有不止一种。

操作图像的Python源码，包含了读取图片获得数组，数组的维度变换以及对数组转换成图片三个操作：

def countnum(data):#返回高维数组的元素的个数
    dshape = data.shape
    num=1
    for i in range(len(dshape)):
        num *= dshape[i]
    return num
#获取图像的RGB数据，保存为数组
rgb = numpy.array(img.open('coloredbox.jpg'))
#获取图像的灰度数据，保存为数组
gray = numpy.array(img.open('coloredbox.jpg').convert('L'))
#数据的维度，前者是三维的，后者是二维的
print "由图像得到的数组:",rgb.shape,gray.shape
#RGB数据元素个数
numrgb = countnum(rgb)
#灰度数据元素个数
numgray = countnum(gray)
#将图像数据保存成一维数据
rgb1 = rgb.reshape(numrgb,1)
gray1 = gray.reshape(numgray,1)
print "由图像得到的数组转换成一维后:",rgb1.shape,gray1.shape
#获取RGB图像的维度信息
d1,d2,d3 = rgb.shape
#根据维度信息和一维数组恢复RGB的三维数组
rgb = rgb1.reshape(d1,d2,d3)
#获取灰度图像的维度信息
d1,d2 = gray.shape
#根据维度信息和一维数组恢复灰度的二维数组
gray = gray1.reshape(d1,d2)
print "从一维恢复到原来的维度:",rgb.shape,gray.shape
#将灰度的二维数组保存成图像
arrayGray2Image = img.fromarray(gray)
arrayGray2Image.save('aa.jpg')
#将RGB的三维数组保存成图像
arrayRGB2Image = img.fromarray(rgb)
arrayRGB2Image.save('bb.jpg')
#读取保存的图像数据信息，查看是否有损失，答案是没有
rgb = numpy.array(img.open('aa.jpg'))
gray = numpy.array(img.open('bb.jpg').convert('L'))
print "由数组重新生成的图像得到的数组:",rgb.shape,gray.shape

用到或生成的几个图像

colorbox.jpg

aa.jpg

bb.jpg

几个链接

• RGB转灰度图的几种算法
  http://bbs.ednchina.com/BLOG_ARTICLE_1999487.HTM 
• 用Python操作和处理图像
  http://www.ituring.com.cn/tupubarticle/2024