用python管理图片之展开呈现保存图像的点子

日期: 2019-12-06 15:42 浏览次数 :

豆蔻梢头提到数字图像管理,或者当先百分之三十三人就能够想到matlab,但matlab也是有自个儿的后天不良:

生龙活虎:展开显示保存

1、不开源,价格贵

# from PIL import Image
# img = Image.open('E:\pythonwd\xiaoniao.jpg')
# img.show()   这种图片显示方式是调用操作系统自带的图片浏览器来打开图片
#让程序绘制图片
from PIL import Image
import matplotlib.pyplot as plt
img = Image.open('E:\pythonwd\xiaoniao.jpg')
plt.figure('xiaoniao')
plt.imshow(img)
plt.axis('off')
plt.show()

2、软件体积大。日常3G以上,高版本以至达5G之上。


3、只好做切磋,不易转形成软件。

二.图像通道几何转变裁剪

就此,大家那边运用python这么些脚本语言来展开数字图像管理。

from PIL import Image
import matplotlib.pyplot as plt
img = Image.open('E:\Rdata\liusss.jpg')

'''
# 彩色图像转灰度图
gray = img.convert('L')
plt.figure("liushishi")
plt.imshow(gray,cmap='gray')
plt.axis('off')
plt.show()
'''
'''
使用函数convert()来进行转换,它是图像实例对象的一个方法,接受一个 mode 参数,用以指定一种色彩模式,mode 的取值可以是如下几种:

· 1 (1-bit pixels, black and white, stored with one pixel per byte)
· L (8-bit pixels, black and white)
· P (8-bit pixels, mapped to any other mode using a colour palette)
· RGB (3x8-bit pixels, true colour)
· RGBA (4x8-bit pixels, true colour with transparency mask)
· CMYK (4x8-bit pixels, colour separation)
· YCbCr (3x8-bit pixels, colour video format)
· I (32-bit signed integer pixels)
· F (32-bit floating point pixels)
'''

'''
#通道分离与合并
gray = img.convert('L') #转换成灰度
r,g,b = img.split()     #分离三通道
pic =  Image.merge('RGB',(r,g,b))  #合并三通道
plt.figure("beauty")
plt.subplot(2,3,1), plt.title('origin')
plt.imshow(img),plt.axis('off')
plt.subplot(2,3,2), plt.title('gray')
plt.imshow(gray,cmap='gray'),plt.axis('off')
plt.subplot(2,3,3), plt.title('merge')
plt.imshow(pic),plt.axis('off')
plt.subplot(2,3,4), plt.title('r')
plt.imshow(r,cmap='gray'),plt.axis('off')
plt.subplot(2,3,5), plt.title('g')
plt.imshow(g,cmap='gray'),plt.axis('off')
plt.subplot(2,3,6), plt.title('b')
plt.imshow(b,cmap='gray'),plt.axis('off')
plt.show()


# 裁剪图片
plt.figure("beauty")
plt.subplot(1,2,1),plt.title('origin')
plt.imshow(img),plt.axis('off')

box=(80,100,260,300)
plt.subplot(1,2,2),plt.title('caijianhou')
plt.imshow(img.crop(box)),plt.axis('off')
plt.show() 

'''

#几何变换
# Image类有resize()、rotate()、transpose()方法进行几何变换 
# 1.图像的缩放和旋转
dst = img.resize((128,128))
dst = img.rotate(45)   #顺时针角度表示
# 2.转换图像
dst = im.transpose(Image.FLIP_LEFT_RIGHT)   #左右互换
dst = im.transpose(Image.FLIP_TOP_BOTTOM)   #上下互换
dst = im.transpose(Image.ROTATE_90)     #顺时针旋转
dst = im.transpose(Image.ROTATE_180) 
dst = im.transpose(Image.ROTATE_270) 

#transpose()和rotate()没有性能差别  

要使用python,必得先安装python,平日是2.7本子以上,不管是在windows系统,依旧linux系统,安装都以特别简单的。


要利用python进行各样开销,就亟须安装相应的库。那和matlab极其相似,只是matlab里面叫工具箱(toolbox卡塔尔(英语:State of Qatar),而python里面叫库或包。安装那些库,平日都是运用pip来设置。

三. 增加水印

采纳python进行数字图片管理,还得设置Pillow包。即使python里面自带一个PIL(python images library卡塔尔国, 但那一个库今后曾经告后生可畏段落更新了,所以采纳Pillow, 它是由PIL发展而来的。

from PIL import Image,ImageDraw,ImageFont
im = Image.open('E:\Rdata\liusss.jpg').convert('RGBA')
'''
#添加文字水印  
# create a new image with the given mode and size
txt =Image.new('RGBA',im.size,(0,0,0,0))
#这里添加字体
# fnt = ImageFont.truetype(,20)
# ImageDraw.Draw(a simple 2D interface for PIL)
d = ImageDraw.Draw(txt)
#添加text
d.text((txt.size[0]-80,txt.size[1]-30),"liushishi", fill=(255,255,255,255))
# 使用alpha_composite方法 
out = Image.alpha_composite(im,txt)
out.show()  
'''

#添加小图片水印
im = Image.open('E:\pythonwd\liusss.jpg')
mark=Image.open('E:\pythonwd\xiaoniao.jpg')
layer=Image.new('RGBA',im.size,(0,0,0,0))
layer.paste(mark,(im.size[0]-150,im.size[1]-60))
out=Image.composite(layer,im,layer)
out.show()
pip install Pillow

大器晚成、图片的开垦与显示

四.图像中的像素访谈

from PIL import Image
img=Image.open('d:/dog.png')
img.show()
#加载图像后,将图片转化成矩阵进行操作
# 导入
from PIL import Image
import numpy as np  
import matplotlib.pyplot as plt
# numpu和scipy是进行数据操作和科学计算

# 打开图像并转化成矩阵
# img=np.array(Image.open('E:\pythonwdliusss.jpg'))

# python自身打开图片
# plt.figure('liushishi')
# plt.imshow(img)
# plt.axis('off')
# plt.show()

# img是数组对象
# print(img.shape)
# print(img.dtype)
# print(img.size)
# print(type(img))

# RGB图片 rows*cols*channels的三维矩阵,可以使用img[i,j,k]访问像素值

# 给图片添加椒盐噪声
# 随机生成5000个椒盐
# rows,cols,dims=img.shape
# for i in range(500):
#   x=np.random.randint(0,rows)
#   y=np.random.randint(0,cols)
#   img[x,y,:]=255

# # 画图
# plt.figure('beauty')
# plt.imshow(img)
# plt.axis('off')
# plt.show()

# 将图像二值化,像素值大于128的变为1,否则变为0
img=np.array(Image.open('E:\pythonwdliusss.jpg').convert('L'))

rows,cols=img.shape
for i  in range(rows):
    for j in range(cols):
        if (img[i,j]<=128):
            img[i,j]=0
        else:
            img[i,j]=1

plt.figure('liushishi')
plt.imshow(img,cmap="gray")
plt.axis('off')
plt.show()

# 可数组切片方式对多个像素点进行操作(关于灰度图像例子)
'''
img[i,:]=img[j,:]  #将第j行的数值赋值给第i行
img[:,i]=100       #将第i列的所有数值设为100
img[:100,:50].sum()  #计算前100行,前50列的所有数值的和
img[50:100,50:100]   # 50~100行 50~100列(不包含第100行和第100列)
img[i].mean()      #均值
img[:,-1]      #最后一列
img[-2,:]       #倒数第二行(or img[-2])

即便使用的是Pillow,但它是由PIL fork而来,由此依旧要从PIL中张开import. 使用open(卡塔尔(英语:State of Qatar)函数来开采图片,使用show(卡塔尔国函数来展现图片。


这种图片展现格局是调用操作系统自带的图形浏览器来开采图片,有个别时候这种方法不太有利,因而大家也能够利用另上风华正茂种艺术,让程序来绘制图片。

五.图像直方图

from PIL import Image
import matplotlib.pyplot as plt
img=Image.open('d:/dog.png')
plt.figure("dog")
plt.imshow(img)
plt.show()
import numpy as np

#两个函数reshape和flatten
vec=np.arange(15)
print(vec)
mat = vec.reshape(3,5)
print(mat)

#反过来,将一个二维矩阵变成一个一维数组,使用flatten
a = mat.flatten()
print(a)

# 对图像求直方图,需要先把图像矩阵进行flatten操作,使之变为一维数组,再进行统计
'''
调用方式
n,bins,patches = plt.hist(arr,bins=50,normed=1,facecolor='green',alpha=0.75)
arr:需要计算直方图的一维数组
bins:直方图的柱数,可选项默认值为10
normed:是否将得到的直方图向量归一化.默认值为0
facecolor:直方图颜色
alpha:透明度
*****************************************
返回值:
n:直方图向量
bins:返回各个bin的区间范围
patchs:返回各个bin里面包含的数据,List
'''
from PIL import Image
import numpy as np
import matplotlib.pyplot as plt

# img = np.array(Image.open('E:\pythonwd\xiaoniao.jpg').convert('L'))

# plt.figure('xiaoniao')
# arr = img.flatten()
# n,bins,patchs=plt.hist(arr,bins=256,normed=1,facecolor='green',alpha=0.75)
# plt.show()


# 彩色图片直方图
#实际上是和灰度直方图一样的,只是分别画出三通道的直方图,然后叠加在一起。
src = Image.open('E:\pythonwd\xiaoniao.jpg')
r,g,b=src.split()

plt.figure('xiaoniao')

ar  = np.array(r).flatten()
plt.hist(ar,bins=256,normed=1,facecolor="r",edgecolor='r',hold=1)

ag = np.array(g).flatten()
plt.hist(ag,bins=256,normed=1,facecolor="g",edgecolor='g',hold=1)

ab = np.array(b).flatten()
plt.hist(ab,bins=256,normed=1,facecolor="b",edgecolor='b',hold=1)

plt.show()