Python圖像處理介紹--Python中的圖像表示
點(diǎn)擊上方“小白學(xué)視覺”，選擇加"星標(biāo)"或“置頂”
重磅干貨，第一時(shí)間送達(dá)
使用Python進(jìn)行圖像處理是理解如何通過(guò)數(shù)學(xué)和代碼表示圖片的有趣方法，希望這篇文章能讓您了解計(jì)算機(jī)是如何理解圖像數(shù)據(jù)的。
讓我們從導(dǎo)入需要的庫(kù)開始吧！
# First import the required Python Librariesimport numpy as npimport matplotlib.pyplot as pltfrom skimage import img_as_uintfrom skimage.io import imshow, imreadfrom skimage.color import rgb2hsvfrom skimage.color import rgb2gray
一個(gè)圖像可以被認(rèn)為是一個(gè)矩陣，其中每個(gè)像素的顏色是由一個(gè)尺度上的數(shù)字表示。
array_1 = np.array([[255, 0],[]])imshow(array_1, cmap = 'gray');
上面的輸出是我們剛剛創(chuàng)建的矩陣的直觀表示。注意，我們不限于簡(jiǎn)單的2x2矩陣。以下是3x3矩陣的示例。
array_2 = np.array([[255, 0, 255],[],[]])imshow(array_2, cmap = 'gray');
我們的示例選擇的是光譜中最極端的顏色，但我們也可以訪問(wèn)介于兩者之間的任何顏色。
array_spectrum = np.array([np.arange(0,255,17),np.arange(255,0,-17),np.arange(0,255,17),np.arange(255,0,-17)])fig, ax = plt.subplots(1, 2, figsize=(12,4))ax[0].imshow(array_spectrum, cmap = 'gray')ax[0].set_title('Arange Generation')ax[1].imshow(array_spectrum.T, cmap = 'gray')ax[1].set_title('Transpose Generation');
下面的圖像是使用NumPy的arange函數(shù)構(gòu)造的，并通過(guò)獲取第一個(gè)圖像的轉(zhuǎn)置來(lái)創(chuàng)建了另一個(gè)圖像。
為了簡(jiǎn)單起見，我們一直使用灰度，但請(qǐng)記住，計(jì)算機(jī)實(shí)際上理解的顏色是紅色，綠色和藍(lán)色的組合。因此，我們可以將圖像表示為三維矩陣。每個(gè)像素被表示為一個(gè)Python列表，用于指定它們的顏色組合。
array_colors = np.array([[[255, 0, 0],[],[]]])imshow(array_colors);
讓我們嘗試處理真實(shí)圖像，下面是一只可愛的小狗的圖片。
doggo = imread('doggo.png')imshow(doggo);
doggo.shape檢查圖像的大小，我們看到它是一個(gè)390x385x3矩陣。使用Python我們可以對(duì)這個(gè)矩陣進(jìn)行切片，并將每個(gè)部分表示為它自己的圖像。
fig, ax = plt.subplots(1, 3,figsize=(6,4),sharey= True)ax[0].imshow(doggo[:, 0:130])ax[0].set_title('First Split')ax[1].imshow(doggo[:, 130:260])ax[1].set_title('Second Split')ax[2].imshow(doggo[:, 260:390])ax[2].set_title('Third Split');
而且我們也可以顯示圖像的任意部分，下面就是小狗的臉部顯示。
imshow(doggo[95:250, 130:275]);
現(xiàn)在讓我們做點(diǎn)有意思的事情~
前面我們說(shuō)過(guò)，一個(gè)圖像可以由一個(gè)三維矩陣表示，因此我們可以通過(guò)以下操作，將圖像分解成紅色、綠色和藍(lán)色來(lái)分別顯示。
fig, ax = plt.subplots(1, 3, figsize=(12,4), sharey = True)ax[0].imshow(doggo[:,:,0], cmap='Reds')ax[0].set_title('Red')ax[1].imshow(doggo[:,:,1], cmap='Greens')ax[1].set_title('Green')ax[2].imshow(doggo[:,:,2], cmap='Blues')ax[2].set_title('Blue');
此外，我們可以將圖像從RGB(紅，綠，藍(lán))轉(zhuǎn)換為HSV(色相，飽和度，值)。
doggo_hsv = rgb2hsv(doggo)fig, ax = plt.subplots(1, 3, figsize=(12,4), sharey = True)ax[0].imshow(doggo_hsv[:,:,0], cmap='hsv')ax[0].set_title('Hue')ax[1].imshow(doggo_hsv[:,:,1], cmap='gray')ax[1].set_title('Saturation')ax[2].imshow(doggo_hsv[:,:,2], cmap='gray')ax[2].set_title('Value');
最后，我們還可以將圖像矩陣轉(zhuǎn)換為灰度。通過(guò)將圖像轉(zhuǎn)換為簡(jiǎn)單的二維矩陣，這使我們能夠輕松地根據(jù)每個(gè)像素與指定值的關(guān)系來(lái)過(guò)濾圖像。
doggo_gray = rgb2gray(doggo)fig, ax = plt.subplots(1, 5, figsize=(17,6), sharey = True)ax[0].imshow(doggo_gray, cmap = 'gray')ax[0].set_title('Grayscale Original')ax[1].imshow(img_as_uint(doggo_gray > 0.25),cmap = 'gray')ax[1].set_title('Greater than 0.25')ax[2].imshow(img_as_uint(doggo_gray > 0.50),cmap = 'gray')ax[2].set_title('Greater than 0.50');ax[3].imshow(img_as_uint(doggo_gray > 0.75),cmap = 'gray')ax[3].set_title('Greater than 0.75');ax[4].imshow(img_as_uint(doggo_gray > np.mean(doggo_gray)),cmap = 'gray')ax[4].set_title('Greater than Mean');
通過(guò)本文我們了解了如何使用Python加載和操作圖像。為了更好地理解圖像在Python中的顯示，最好的辦法就是動(dòng)手復(fù)現(xiàn)一下上述代碼。
使用Python進(jìn)行圖像處理是理解如何通過(guò)數(shù)學(xué)和代碼表示圖片的有趣方法，希望這篇文章能讓您了解計(jì)算機(jī)是如何理解圖像數(shù)據(jù)的。
讓我們從導(dǎo)入需要的庫(kù)開始吧！
# First import the required Python Librariesimport numpy as npimport matplotlib.pyplot as pltfrom skimage import img_as_uintfrom skimage.io import imshow, imreadfrom skimage.color import rgb2hsvfrom skimage.color import rgb2gray
一個(gè)圖像可以被認(rèn)為是一個(gè)矩陣，其中每個(gè)像素的顏色是由一個(gè)尺度上的數(shù)字表示。
array_1 = np.array([[255, 0],[]])imshow(array_1, cmap = 'gray');
上面的輸出是我們剛剛創(chuàng)建的矩陣的直觀表示。注意，我們不限于簡(jiǎn)單的2x2矩陣。以下是3x3矩陣的示例。
array_2 = np.array([[255, 0, 255],[],[]])imshow(array_2, cmap = 'gray');
我們的示例選擇的是光譜中最極端的顏色，但我們也可以訪問(wèn)介于兩者之間的任何顏色。
array_spectrum = np.array([np.arange(0,255,17),np.arange(255,0,-17),np.arange(0,255,17),np.arange(255,0,-17)])fig, ax = plt.subplots(1, 2, figsize=(12,4))ax[0].imshow(array_spectrum, cmap = 'gray')ax[0].set_title('Arange Generation')ax[1].imshow(array_spectrum.T, cmap = 'gray')ax[1].set_title('Transpose Generation');
下面的圖像是使用NumPy的arange函數(shù)構(gòu)造的，并通過(guò)獲取第一個(gè)圖像的轉(zhuǎn)置來(lái)創(chuàng)建了另一個(gè)圖像。
為了簡(jiǎn)單起見，我們一直使用灰度，但請(qǐng)記住，計(jì)算機(jī)實(shí)際上理解的顏色是紅色，綠色和藍(lán)色的組合。因此，我們可以將圖像表示為三維矩陣。每個(gè)像素被表示為一個(gè)Python列表，用于指定它們的顏色組合。
array_colors = np.array([[[255, 0, 0],[],[]]])imshow(array_colors);
讓我們嘗試處理真實(shí)圖像，下面是一只可愛的小狗的圖片。
doggo = imread('doggo.png')imshow(doggo);
doggo.shape檢查圖像的大小，我們看到它是一個(gè)390x385x3矩陣。使用Python我們可以對(duì)這個(gè)矩陣進(jìn)行切片，并將每個(gè)部分表示為它自己的圖像。
fig, ax = plt.subplots(1, 3,figsize=(6,4),sharey= True)ax[0].imshow(doggo[:, 0:130])ax[0].set_title('First Split')ax[1].imshow(doggo[:, 130:260])ax[1].set_title('Second Split')ax[2].imshow(doggo[:, 260:390])ax[2].set_title('Third Split');
而且我們也可以顯示圖像的任意部分，下面就是小狗的臉部顯示。
imshow(doggo[95:250, 130:275]);
現(xiàn)在讓我們做點(diǎn)有意思的事情~
前面我們說(shuō)過(guò)，一個(gè)圖像可以由一個(gè)三維矩陣表示，因此我們可以通過(guò)以下操作，將圖像分解成紅色、綠色和藍(lán)色來(lái)分別顯示。
fig, ax = plt.subplots(1, 3, figsize=(12,4), sharey = True)ax[0].imshow(doggo[:,:,0], cmap='Reds')ax[0].set_title('Red')ax[1].imshow(doggo[:,:,1], cmap='Greens')ax[1].set_title('Green')ax[2].imshow(doggo[:,:,2], cmap='Blues')ax[2].set_title('Blue');
此外，我們可以將圖像從RGB(紅，綠，藍(lán))轉(zhuǎn)換為HSV(色相，飽和度，值)。
doggo_hsv = rgb2hsv(doggo)fig, ax = plt.subplots(1, 3, figsize=(12,4), sharey = True)ax[0].imshow(doggo_hsv[:,:,0], cmap='hsv')ax[0].set_title('Hue')ax[1].imshow(doggo_hsv[:,:,1], cmap='gray')ax[1].set_title('Saturation')ax[2].imshow(doggo_hsv[:,:,2], cmap='gray')ax[2].set_title('Value');
最后，我們還可以將圖像矩陣轉(zhuǎn)換為灰度。通過(guò)將圖像轉(zhuǎn)換為簡(jiǎn)單的二維矩陣，這使我們能夠輕松地根據(jù)每個(gè)像素與指定值的關(guān)系來(lái)過(guò)濾圖像。
doggo_gray = rgb2gray(doggo)fig, ax = plt.subplots(1, 5, figsize=(17,6), sharey = True)ax[0].imshow(doggo_gray, cmap = 'gray')ax[0].set_title('Grayscale Original')ax[1].imshow(img_as_uint(doggo_gray > 0.25),cmap = 'gray')ax[1].set_title('Greater than 0.25')ax[2].imshow(img_as_uint(doggo_gray > 0.50),cmap = 'gray')ax[2].set_title('Greater than 0.50');ax[3].imshow(img_as_uint(doggo_gray > 0.75),cmap = 'gray')ax[3].set_title('Greater than 0.75');ax[4].imshow(img_as_uint(doggo_gray > np.mean(doggo_gray)),cmap = 'gray')ax[4].set_title('Greater than Mean');
通過(guò)本文我們了解了如何使用Python加載和操作圖像。為了更好地理解圖像在Python中的顯示，最好的辦法就是動(dòng)手復(fù)現(xiàn)一下上述代碼。
交流群
歡迎加入公眾號(hào)讀者群一起和同行交流，目前有SLAM、三維視覺、傳感器、自動(dòng)駕駛、計(jì)算攝影、檢測(cè)、分割、識(shí)別、醫(yī)學(xué)影像、GAN、算法競(jìng)賽等微信群（以后會(huì)逐漸細(xì)分），請(qǐng)掃描下面微信號(hào)加群，備注：”昵稱+學(xué)校/公司+研究方向“，例如：”張三?+?上海交大?+?視覺SLAM“。請(qǐng)按照格式備注，否則不予通過(guò)。添加成功后會(huì)根據(jù)研究方向邀請(qǐng)進(jìn)入相關(guān)微信群。請(qǐng)勿在群內(nèi)發(fā)送廣告，否則會(huì)請(qǐng)出群，謝謝理解~