運用skimage.transform進行影象處理後，發現畫素數值在-1 與1 之間，然後減去資料RGB的均值（100左右），不可行。

1. PIL讀取，旋轉，縮放的操作

於是採用命令

1. import matplotlib.pyplot as plt  
2. import numpy as np  
3. from PIL import Image  
4. img = Image.open('lena.png') # 讀取的影象顯示的<matplotlib.image.AxesImage object at 0x7f9f0c60f7f0>
5. img.show()  
6. img.format  
7. region = img.transpose(Image.ROTATE_180) #翻轉
8. out = img.resize((128, 128)) # 改變大小
9. out1 = img.rotate(45) #旋轉
10. plt.imshow(img) # 顯示
11. mean=np.array([104., 117., 124.]) #均值
12. np.shape(img)  
13. img1 -= mean  
14. plt.imshow(img1)  

2. PIL, matplotlib 讀取影象的差別

1. import matplotlib.pyplot as plt  
2. mport numpy as np  
3. from PIL import Image  
4. img = Image.open('lena.png'
   ) # 讀取的影象顯示的<matplotlib.image.AxesImage object at 0x7f9f0c60f7f0>
5. lena = mpimg.imread('lena.png') #直接顯示畫素的矩陣形式
6. #img 顯示成矩陣形式的操作
7. img1 = np.array(img)  

l

在 Python 中除了用 OpenCV，也可以用 matplotlib 和 PIL 這兩個庫操作圖片。本人偏愛 matpoltlib，因為它的語法更像 matlab。

一、matplotlib

1. 顯示圖片

import matplotlib.pyplot as plt #
 
 plt 用於顯示圖片
import matplotlib.image as mpimg # mpimg 用於讀取圖片
import numpy as np

lena = mpimg.imread('lena.png') # 讀取和程式碼處於同一目錄下的 lena.png
# 此時 lena 就已經是一個 np.array 了，可以對它進行任意處理
lena.shape #(512, 512, 3)

plt.imshow(lena) # 顯示圖片
plt.axis('off') # 不顯示座標軸
plt.show()

2. 顯示某個通道

# 顯示圖片的第一個通道
lena_1 = lena[:,:,0]
plt.imshow('lena_1')
plt.show()
# 此時會發現顯示的是熱量圖，不是我們預想的灰度圖，可以新增 cmap 引數，有如下幾種新增方法：
plt.imshow('lena_1', cmap='Greys_r')
plt.show()

img = plt.imshow('lena_1')
img.set_cmap('gray') # 'hot' 是熱量圖
plt.show()

3. 將 RGB 轉為灰度圖

matplotlib 中沒有合適的函式可以將 RGB 圖轉換為灰度圖，可以根據公式自定義一個：

def rgb2gray(rgb):
    return np.dot(rgb[...,:3], [0.299, 0.587, 0.114])

gray = rgb2gray(lena)    
# 也可以用 plt.imshow(gray, cmap = plt.get_cmap('gray'))
plt.imshow(gray, cmap='Greys_r')
plt.axis('off')
plt.show()

4. 對影象進行放縮

這裡要用到 scipy

from scipy import misc
lena_new_sz = misc.imresize(lena, 0.5) # 第二個引數如果是整數，則為百分比，如果是tuple，則為輸出影象的尺寸
plt.imshow(lena_new_sz)
plt.axis('off')
plt.show()

5. 儲存影象

5.1 儲存 matplotlib 畫出的影象

該方法適用於儲存任何 matplotlib 畫出的影象，相當於一個 screencapture。

plt.imshow(lena_new_sz)
plt.axis('off')
plt.savefig('lena_new_sz.png')

5.2 將 array 儲存為影象

from scipy import misc
misc.imsave('lena_new_sz.png', lena_new_sz)

5.3 直接儲存 array

讀取之後還是可以按照前面顯示陣列的方法對影象進行顯示，這種方法完全不會對影象質量造成損失

np.save('lena_new_sz', lena_new_sz) # 會在儲存的名字後面自動加上.npy
img = np.load('lena_new_sz.npy') # 讀取前面儲存的陣列

二、PIL 

1. 顯示圖片

from PIL import Image
im = Image.open('lena.png')
im.show()

2. 將 PIL Image 圖片轉換為 numpy 陣列

im_array = np.array(im)
# 也可以用 np.asarray(im) 區別是 np.array() 是深拷貝，np.asarray() 是淺拷貝

3. 儲存 PIL 圖片

直接呼叫 Image 類的 save 方法

from PIL import Image
I = Image.open('lena.png')
I.save('new_lena.png')

4. 將 numpy 陣列轉換為 PIL 圖片

這裡採用 matplotlib.image 讀入圖片陣列，注意這裡讀入的陣列是 float32 型的，範圍是 0-1，而 PIL.Image 資料是 uinit8 型的，範圍是0-255，所以要進行轉換：

import matplotlib.image as mpimg
from PIL import Image
lena = mpimg.imread('lena.png') # 這裡讀入的資料是 float32 型的，範圍是0-1
im = Image.fromarray(np.uinit8(lena*255))
im.show()

 5. RGB 轉換為灰度圖

from PIL import Image
I = Image.open('lena.png')
I.show()
L = I.convert('L')
L.show()