Python各类图像库的图片读写方式总结 | 您所在的位置:网站首页 › python矩阵转为图像 › Python各类图像库的图片读写方式总结 |
最近在研究深度学习视觉相关的东西,经常需要写Python代码搭建深度学习模型。比如写CNN模型相关代码时,我们需要借助python图像库来读取图像并进行一系列的图像处理工作。我最常用的图像库当然是opencv,很强大很好用,但是opencv也有一些坑,不注意的话也会搞出大麻烦。近期我也在看一些别人写的代码,因为个人习惯不一样,他们在做深度学习时用于图片读取的图像库各不相同,从opencv到PIL再到skimage等等各种库都有,有些库读进来的图片存储方式也不太一样,如果不好好总结这些主流图像读写库特点的话,以后看代码写代码都会遇坑无数。这篇文章就总结了以下主流Python图像库的一些基本使用方法和需要注意的地方: opencv PIL(pillow) matplotlib.image scipy.misc skimage opencv: cv2.imreadopencv作为我最常用的图像处理库,当然第一个介绍,并且介绍得比较全面。毋庸置疑,opencv是今天介绍得所有图像库中最全面也最强大的库,如果我们只想掌握一个图像库,我觉得opencv库肯定是最适合不过了。 图片读取操作 import cv2 import numpy as np #读入图片:默认彩色图,cv2.IMREAD_GRAYSCALE灰度图,cv2.IMREAD_UNCHANGED包含alpha通道 img = cv2.imread('1.jpg') cv2.imshow('src',img) print(img.shape) # (h,w,c) print(img.size) # 像素总数目 print(img.dtype) print(img) cv2.waitKey()值得注意的是,opencv读进来的图片已经是一个numpy矩阵了,彩色图片维度是(高度,宽度,通道数)。数据类型是uint8。 #gray = cv2.imread('1.jpg',cv2.IMREAD_GRAYSCALE) #灰度图 #cv2.imshow('gray',gray) #也可以这么写,先读入彩色图,再转灰度图 src = cv2.imread('1.jpg') gray = cv2.cvtColor(src,cv2.COLOR_BGR2GRAY) cv2.imshow('gray',gray) print(gray.shape) print(gray.size) print(gray) cv2.waitKey()上面提到了两种获取灰度图的方式,读进来的灰度图的矩阵格式是(高度,宽度)。 #注意,计算图片路径是错的,Opencv也不会提醒你,但print img时得到的结果是None img2 = cv2.imread('2.jpg') print(img2)opencv读入图片的矩阵格式是:(height,width,channels)。而在深度学习中,因为要对不同通道应用卷积,所以会采取另一种方式:(channels,height,width)。为了应对该要求,我们可以这么做 #注意到,opencv读入的图片的彩色图是一个channel last的三维矩阵(h,w,c),即(高度,宽度,通道) #有时候在深度学习中用到的的图片矩阵形式可能是channel first,那我们可以这样转一下 print(img.shape) img = img.transpose(2,0,1) print(img.shape)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)。 对于这种要求,我们可以这么做。 #有时候还要扩展维度,比如有时候我们需要预测单张图片,要在要加一列做图片的个数,可以这么做 img = np.expand_dims(img, axis=0) print(img.shape)上面提到的是预测阶段时预测单张图片的扩展维度的操作,如果是训练阶段,构建batch,即得到这种形式:(batch_size,channels,height,width)。我一般喜欢这么做 data_list = [] loop: im = cv2.imread('xxx.png') data_list.append(im) data_arr = np.array(data_list)这样子就能构造成我们想要的形式了。 图片归一化 #因为opencv读入的图片矩阵数值是0到255,有时我们需要对其进行归一化为0~1 img3 = cv2.imread('1.jpg') img3 = img3.astype("float") / 255.0 #注意需要先转化数据类型为float print(img3.dtype) print(img3)opencv对于读进来的图片的通道排列是BGR,而不是主流的RGB!谨记! #opencv读入的矩阵是BGR,如果想转为RGB,可以这么转 img4 = cv2.imread('1.jpg') img4 = cv2.cvtColor(img4,cv2.COLOR_BGR2RGB) 访问像素 #访问像素 print(img4[10,10]) #3channels print(gray[10,10]) #1channel img4[10,10] = [255,255,255] gray[10,10] = 255 print(img4[10,10]) #3channels print(gray[10,10]) #1channelPIL即Python Imaging Library,也即为我们所称的Pillow,是一个很流行的图像库,它比opencv更为轻巧,正因如此,它深受大众的喜爱。 图像读写PIL读进来的图像是一个对象,而不是我们所熟知的numpy 矩阵。 img = Image.open('1.jpg') print(img.format) print(img.size) #注意,省略了通道 (w,h) print(img.mode) #L为灰度图,RGB为真彩色,RGBA为加了透明通道 img.show() # 显示图片灰度图的获取 gray = Image.open('1.jpg').convert('L') gray.show()灰度图的转化与彩图转化一样 arr_gray = np.array(gray) print(arr_gray.shape) print(arr_gray.dtype) print(arr_gray)matplotlib是一个科学绘图神器,用的人非常多。 import matplotlib.pyplot as plt import numpy as np image = plt.imread('1.jpg') plt.imshow(image) plt.show()可以看到,有warining,提示我们imread和imsave在后来的版本将会被弃用,叫我们使用imageio.imread和imageio.imwrite。 我们根据她的提示,使用imageio模块进行图片读写,warning也就没有了。 import imageio im2 = imageio.imread('1.jpg') print(im2.dtype) print(im2.size) print(im2.shape) plt.imshow(im) plt.show() print(im2) imageio.imsave('imageio.png',im2)图像也是以numpy array形式读入。 灰度图的获取方式: im2 = io.imread('1.jpg',as_grey=True) #读入灰度图 print(im2.dtype) print(im2.size) print(im2.shape) io.imshow(im2) io.imsave('sk_gray.png',im2) io.show() print(im2)可以看到,灰度图像的矩阵的值被归一化了,注意注意! 也可以以这种方式获得灰度图: from skimage import color im3 = io.imread('1.jpg') im3 = color.rgb2grey(im3) print(im3.dtype) print(im3.size) print(im3.shape) io.imshow(im3) io.show() ''' skimage.color.rgb2grey(rgb) skimage.color.rgb2hsv(rgb) skimage.color.rgb2lab(rgb) skimage.color.gray2rgb(image) skimage.color.hsv2rgb(hsv) skimage.color.lab2rgb(lab) '''![]() |
CopyRight 2018-2019 实验室设备网 版权所有 |