python图像处理库（PIL&OpenCV）快速入门学习

2024-06-26 21:02| 来源: 网络整理| 查看: 265

文章目录 PIL基本操作读取和创建基本变换方法图像处理图像滤波图像增强 PIL与Numpy OpenCV-python库读取操作基本变换图像处理图像滤波 Python下可以进行图像处理的第三方库有很多：最轻巧：PIL: https://pillow.readthedocs.io/en/latest/index.html 最全面：OpenCV： https://docs.opencv.org/4.x/d6/d00/tutorial_py_root.html 其他还有：matplotlib、scipy.misc、scikit-image等。

PIL

PIL库支持图像存储、显示和处理。几乎支持所有的图片格式可以完成图像的缩放、裁剪、叠加以及向图像添加线条、图像和文字等操作。

PIL库中包含21个与图片相关的类：最常用的有： Image，ImageEnhance，ImageFilter

基本操作读取和创建

from PIL import Image

在PIL中，任何图像都可以用Image对象表示

方法描述Image.open(filename,mode=‘r’)根据文件名读取图片Image.new(mode,size color)根据给定参数创建一个新图像Image.fromarray(obj, mode=None)从array数据创建图像Image.show()显示图像Image.save(fp,format=None)图像保存(可以完成格式转换)

Image的属性

属性描述Image.format图像格式Image.filename图像的文件名或路径Image.mode图像色彩模式，L为灰度，RGB为真彩Image.size图像的宽和高，返回二元元组

读取序列图片（gif等）：使用seek()和tell()方法

基本变换方法方法描述参数解释Image.convert(mode)图像转换为新的模式mode=“L”或“RGB” 或“CMYK.”Image.thumbnail(size)创建缩略图szie-一个元组（长，宽）Image.rotate(angle)图像旋转angel-要旋转的角度Image.resize(size)调整图像尺寸size-一个元组（长，宽）Image.crop(box)图像裁剪(ROI)(left, upper, right, lower)-tupleImage.split()Image.merge(mode, bands)提取RGB每个颜色通道合并通道mode-图像色彩模式band-通道(r,g,b) 图像处理

图像处理（Image Processing）是指对图像进行分析、加工、和处理，使其满足视觉、心理或其他要求的技术。

图像滤波

图像滤波采用的是ImageFilter类，通过Image类的filter方法

def filter(self, filter): """ Filters this image using the given filter. For a list of available filters, see the :py:mod:`~PIL.ImageFilter` module. :param filter: Filter kernel. :returns: An :py:class:`~PIL.Image.Image` object."""

imobj.filter(ImageFilter.xxx)

常用滤波函数：

方法描述ImageFilter.BLUR模糊效果ImageFilter.CONTOUR轮廓效果ImageFilter.DETAL细节效果ImageFilter.EDGE_ENHANCE边界加强效果ImageFilter.SMOOTH平滑效果ImageFilter.SHARPEN图像锐化 from PIL import ImageFilter,Image imobj = Image.open("D:\image.jpg") imobj.filter(ImageFilter.xxx) 图像增强

使用 ImageEhance 类，常用的方法有：

方法描述ImageEhance.enhance(factor)对选择属性的数值增强factor倍ImageEhanceColor(im)调整颜色平衡ImageEhance.Contrast(im)调整对比度ImageEhance.Brightness(im)调整亮度ImageEhance.Sharpness(im)调整锐度 PIL与Numpy

PIL读取的图片是Image对象，不是Numpy矩阵，两者可以进行转化。

im=Image.open("D:\image.jpg") # 读取一张图片 print(im.shape) # 输出图片的尺寸 im_arr = np.array(im) # 将图片转化为numpy矩阵 print(im_arr.shape) # 输出此时的尺寸

(432,640) (640,432,3)

注意图片转化为矩阵时，w和h通道会发生改变

OpenCV-python库读取操作

读取图片：imread cv2.imread(filename)，读取的图像直接表示ndarray类型的三维矩阵，彩色图片的维度是(h,w,c)

显示图片：imshow cv2.imshow(window_name,img)，需配合cv2.waitKey()才能显示

import cv2 im=cv2.imread("image.jpg") cv2.imshow("win_image",im) cv2.waitKey() 保存图片：imwriter cv2.imwrite(filename,image)图像通道用cv2打开的彩色三通道的通道顺序是BGR，而不是RGB。可以使用split()和merge()方法实现通道转换 im=cv2.imread('image.jpg') b,g,r=cv2.split(im) im2=cv2.merge((r,g,b)) cv2.imshow('ImWindow',im2) cv2.waitKey() 基本变换图像缩放：resize() 参数： src: 输入图像对象 dsize：输出矩阵/图像的大小，为0时计算方式如下：dsize = Size(round(fxsrc.cols),round(fysrc.rows)) fx: 水平轴的缩放因子，为0时计算方式： (double)dsize.width/src.cols fy: 垂直轴的缩放因子，为0时计算方式： (double)dsize.heigh/src.rows interpolation：插值算法 cv2.INTER_NEAREST : 最近邻插值法 cv2.INTER_LINEAR 默认值，双线性插值法 cv2.INTER_AREA 基于局部像素的重采样（resampling using pixel area relation）。对于图像抽取（image decimation）来说，这可能是一个更好的方法。但如果是放大图像时，它和最近邻法的效果类似。 cv2.INTER_CUBIC 基于4x4像素邻域的3次插值法 cv2.INTER_LANCZOS4 基于8x8像素邻域的Lanczos插值 cv2.INTER_AREA 适合于图像缩小， cv2.INTER_CUBIC (slow) & cv2.INTER_LINEAR 适合于图像放大颜色空间的转换：cv2.cvtColor()

参数： img: 图像对象 code： cv2.COLOR_RGB2GRAY: RGB转换到灰度模式 cv2.COLOR_RGB2HSV： RGB转换到HSV模式（hue,saturation,Value） cv2.COLOR_BGR2RGB：RGB通道转换

im=cv2.imread('image.jpg') gray=cv2.cvtColor(im,COLOR_RGB2GRAY) cv2.show('gray',gray) cv2.waitKey() 图像阈值化：cv2.threshold() 有四个参数，第一个原图像，第二个进行分类的阈值，第三个是高于（低于）阈值时赋予的新值，第四个是一个方法选择参数，常用的有： cv2.THRESH_BINARY（黑白二值） cv2.THRESH_BINARY_INV（黑白二值反转） cv2.THRESH_TRUNC （得到的图像为多像素值） cv2.THRESH_TOZERO cv2.THRESH_TOZERO_INV 返回两个值 ret:阈值 img：阈值化处理后的图像旋转：cv2.getRotationMatrix2D() 参数： center：旋转的中心点坐标 angle：旋转角度，单位为度数，证书表示逆时针旋转 scale：同方向的放大倍数返回2*3的转变矩阵（浮点型）图像的矩阵变换：transpose() OpenCV读入图片的矩阵格式是：（h, w, c）。深度学习中，因为要对不同通道应用卷积，所以会采取另一种方式（c, h, w） print(im.shape) # (326,220,3) im=im.tanspose(2,0,1) print(im.shape) # (3,326,222)

在深度学习搭建CNN时，往往要做相应的图像数据处理，比如图像要扩展维度，比如扩展成（batch_size,channels,height,width）

im=np.expand_dims(im,axis=0) print(im.shape) #(1,3,326,220) 图像处理图像滤波

参考链接： http://c.biancheng.net/pillow/picture-format.html https://www.cnblogs.com/silence-cho/p/10926248.html https://blog.csdn.net/qq_36941368/article/details/82998296

【本文地址】

公司简介

联系我们