Qu’il soit utilisé pour du machine learning ou du deep learning, il nécessite l’opération de lecture d’images.
Méthode 1 : Utiliser la fonction Image dans PIL Cette fonction ne lit pas au format tableau (apprentissage recommandé : Tutoriel vidéo Python)
À ce stade, vous devez utiliser la fonction np.asarray(im) ou np.array() La différence est que np.array() est une copie complète et np .asarray() est une copie superficielle Copiefrom PIL import Image import numpy as np I = Image.open('./cc_1.png') I.show() I.save('./save.png') I_array = np.array(I) print I_array.shape
Méthode 2 : utilisez matplotlib.pyplot comme plt pour afficher les images
# matplotlib.image as mpimg 用于读取图片 # 并且读取出来就是array格式 import matplotlib.pyplot as plt import matplotlib.image as mpimg import numpy as np I = mpimg.imread('./cc_1.png') print I.shape plt.imshow(I)
Méthode 3 : utilisez opencv- interface python
#cv2.imread()读出来同样是array形式,但是如果是单通道的图,读出来的是三通道的 import cv2 I = cv2.imread('./cc_1.png') print I.shape
Méthode 4 : Pour stocker et récupérer des images, j'aime généralement utiliser la bibliothèque scipy Elle la lit sous forme matricielle et l'enregistre sous forme de (H, W. , C)
import matplotlib.pyplot as plt from scipy import misc import scipy I = misc.imread('./cc_1.png') scipy.misc.imsave('./save1.png', I) plt.imshow(I) plt.show()
Méthode cinq : utiliser la bibliothèque skimage
from skimage import io,data img=data.lena() io.imshow(img)
Tutoriel Python rubrique pour apprendre !
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!