用python處理圖片實現圖像中的像素訪問

不言
發布: 2018-05-04 14:06:17
原創
2446 人瀏覽過

這篇文章主要介紹了關於用python處理圖片實現圖像中的像素訪問,有著一定的參考價值,現在分享給大家,有需要的朋友可以參考一下

前面的一些例子中,我們都是利用Image.open()來開啟一幅影像,然後直接對這個PIL物件進行操作。如果只是簡單的操作還可以,但是如果操作稍微複雜一些,就比較吃力了。因此,通常我們載入完圖片後,都是把圖片轉換成矩陣來進行更複雜的操作。

python中利用numpy函式庫和scipy函式庫來進行各種資料操作和科學計算。我們可以透過pip直接安裝這兩個函式庫

pip install numpy
pip install scipy
登入後複製

#以後,只要是在python中進行數位映像處理,我們都需要導入這些套件:

from PIL import Image
import numpy as np
import matplotlib.pyplot as plt
登入後複製

開啟影像並轉換為矩陣,並顯示:

from PIL import Image
import numpy as np
import matplotlib.pyplot as plt
img=np.array(Image.open('d:/lena.jpg')) #打开图像并转化为数字矩阵
plt.figure("dog")
plt.imshow(img)
plt.axis('off')
plt.show()
登入後複製

呼叫numpy中的array()函數就可以將PIL物件轉換為陣列物件。

查看圖片訊息,可用如下的方法:

print img.shape 
print img.dtype 
print img.size 
print type(img)
登入後複製

如果是RGB圖片,那麼轉換為array之後,就變成了一個rows*cols*channels的三維矩陣,因此,我們可以使用img[i,j,k]來存取像素值。

範例1:開啟圖片,並隨機加入一些椒鹽雜訊

from PIL import Image
import numpy as np
import matplotlib.pyplot as plt
img=np.array(Image.open('d:/ex.jpg'))

#随机生成5000个椒盐
rows,cols,dims=img.shape
for i in range(5000):
  x=np.random.randint(0,rows)
  y=np.random.randint(0,cols)
  img[x,y,:]=255
  
plt.figure("beauty")
plt.imshow(img)
plt.axis('off')
plt.show()
登入後複製

例2:將lena影像二值化,像素值大於128的變成1,否則變成0

#
from PIL import Image
import numpy as np
import matplotlib.pyplot as plt
img=np.array(Image.open('d:/pic/lena.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("lena")
plt.imshow(img,cmap=&#39;gray&#39;)
plt.axis(&#39;off&#39;)
plt.show()
登入後複製

如果要對多個像素點進行操作,可以使用數組切片方式存取。切片方式傳回的是以指定間隔下標存取 該數組的像素值。以下是一些關於灰階影像的範例:

img[i,:] = im[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 列所有数值的和
img[50:100,50:100] # 50~100 行,50~100 列(不包括第 100 行和第 100 列)
img[i].mean() # 第 i 行所有数值的平均值
img[:,-1] # 最后一列
img[-2,:] (or im[-2]) # 倒数第二行
登入後複製

相關推薦:

python處理Excel xlrd的方法介紹


#

以上是用python處理圖片實現圖像中的像素訪問的詳細內容。更多資訊請關注PHP中文網其他相關文章!

相關標籤:
來源:php.cn
本網站聲明
本文內容由網友自願投稿,版權歸原作者所有。本站不承擔相應的法律責任。如發現涉嫌抄襲或侵權的內容,請聯絡admin@php.cn
作者最新文章
熱門教學
更多>
最新下載
更多>
網站特效
網站源碼
網站素材
前端模板
關於我們 免責聲明 Sitemap
PHP中文網:公益線上PHP培訓,幫助PHP學習者快速成長!