Python各種影象庫的影象的基本讀寫方式
摘要：
目前主流的影象庫有幾下幾種：
OpenCV 2. PIL(Pillow) 3. matplotlib.image 4. skimage 5. scipy.misc
結論：以上圖片庫中當屬OpenCV最為強大，成熟。
1.1 OpenCV 影象...
目前主流的影象庫有幾下幾種：
- OpenCV 2. PIL(Pillow) 3. matplotlib.image 4. skimage 5. scipy.misc
結論：以上圖片庫中當屬OpenCV最為強大，成熟。
1.1 OpenCV 影象的讀取與儲存
import cv2
#讀取影象 直接是numpy矩陣格式
img = cv2.imread('horse.jpg',1) # 0表示讀入灰色圖片，1表示讀入彩色圖片
cv2.imshow('image',img) # 顯示影象
print(img.shape) # （height，width，channel）
print(img.size) # 畫素數量
print(img.dtype) # 資料型別
print(img) # 列印影象的numpy陣列，3緯陣列
#儲存影象
# 當前目錄儲存
cv2.write(‘horse1.jpg',img)
# 自定義儲存
cv2.write(‘/path_name/’ + str(image_name) + '.jpg',img)
cv2.waitKey()
1.2OpenCV 影象灰化處理
import cv2
#方法一
img = cv2.imread('horse.jpg',0) # 0表示讀入灰色圖片,或者使用cv2.IMREAD_GRATSCALE 替代0
cv2.imshow('gray image',img)
#方法二
img = cv2.imread('horse.jpg')
gray_img = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
cv2.imshow('gray image',gray_img)
print(gray_img.shape) # (height, width)
print(gray_img.size) # 畫素數量
print(gray_img) # 列印影象的numpy陣列，2維
cv2.waitKey()
1.3 OpenCV 矩陣格式變換
Why？：OpenCV的矩陣格式 (height, width, channels) -->> 深度學習矩陣型別可能是 (channels，height，width)
import cv2
import numpy as np
img = cv2.imread('horse.jpg',1)
cv2.imshow('image',img)
# 矩陣格式的變換
print(img.shape)
img = img.transpose(2,0,1) #變換函式
print(img.shape)
# 矩陣擴充套件 (batch_size, channels, height, width) 預測單張圖片的操作
# 加一列作為圖片的個數
img = np.expand_dims(img, axis=0) #使用numpy函式
print(img.shape)
# 訓練階段構建batch
data_lst = []
loop:
img = cv2.imread('xxx.jpg')
data_lst.append(img)
data_arr = np.array(data_lst)
1.4 OpenCV 圖片歸一化 (Data Normalization)
import cv2
# 為了減少計算量，需要把畫素值0-255轉換到0-1之間
img = cv2.imread('horse.jpg')
img = img.astype('float') / 255.0 # 先轉化資料型別為float
print(img.dtype)
print(img)
1.5 OpenCV BRG轉換為RGB
import cv2
img = cv2.imread('horse.jpg')
img = cv2.cvtColor(img,cv2.COLOR_BGR2RGB) # 轉為RGB format
print(img)
1.6 OpenCV 訪問畫素點
import cv2
img = cv2.imread('horse.jpg')
gray_img = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) # 轉為Gray image
print(img[4,4]) # 3 channels
print(gray_img[4,4]) # 1 channel
1.7 OpenCV 感興趣區域剪下(ROI)
import cv2
img = cv2.imread('horse.jpg')
print(img.shape)
roi = img[0:437,0:400] # [y:height,x:width]
cv2.imshow('roi',roi)
cv2.waitKey()
2.1 PIL 影象讀取與儲存
from PIL import Image
import numpy as np
#影象讀取
img = Image.open('horse.jpg')
print(img.format) # 圖片格式
print(img.size) # (width,height)
print(img.mode) # 圖片通道型別
#將影象轉化為矩陣格式
arr = np.array(img)
print(arr.shape)
print(arr.dtype)
#影象儲存
new_img = Image.fromarray(arr)
new_img.save('test.jpg')
img.show()
2.2 PIL 影象灰化處理
#影象灰化處理
gray = Image.open('horse.jpg').convert('L')
gray_arr = np.array(gray)
print(gray_arr.shape) # (height,width)
print(gray_arr.dtype)
print(gray_arr)
gray.show()
2.3 PIL 感興趣區域剪下
# 感興趣區域剪下
img = Image.open('horse.jpg')
roi = img.crop((0,0,200,200)) # (左上x，左上y，右下x，右下y)
roi.show()
2.4 通道操作
# 通道處理
r,g,b = img.split() #分離
img = Image.merge("RGB",(b,g,r)) #合併
img = img.copy() #複製
3.1 Matplotlib 讀取和儲存圖片
import matplotlib.pyplot as plt
import numpy as np
# 影象讀取為numpy陣列格式
img = plt.imread('horse.jpg')
plt.axis('off') # 關閉刻度顯示
print(img.shape) # (height, width, channel)
print(img.size) # 畫素數量
print(img.dtype)
#儲存圖片
plt.savefig('./name.jpg')
figure = plt.figure(figsize=(20,10)) # 調整顯示圖片的大小
plt.imshow(img)
plt.show()
3.2 Matplotlib 圖片灰化處理
#圖片灰化處理 # 平均值發 img_mean = img.mean(axis=2) plt.imshow(img_mean,cmap='gray') plt.show() #最大值法 img_max = img.max(axis=-1) plt.imshow(img_max,cmap='gray') plt.show() #RGB三原色法 gravity = np.array([0.299,0.587,0.114]) img_gravity = np.dot(img,gravity) plt.imshow(img_gravity,cmap="gray") plt.show()
4.1 skimage 讀取和儲存影象
from skimage import io
#讀取影象numpy陣列格式
img = io.imread('horse.jpg')
print(img.shape)
print(img.dtype)
print(img.size)
#print(img)
io.imshow(img)
#儲存影象
io.imsave('test.jpg',img)
4.2 skimage 灰化處理
#影象灰化處理並歸一化
img = io.imread('horse.jpg',as_gray=True)
print(img.shape)
print(img.dtype) # 資料型別位float
print(img.size)
print(img)
io.imshow(img)
io.show()
5.1 scipy.misc 讀取和儲存影象
#在1.2.0 之後統一用imageio模組
import imageio
import matplotlib.pyplot as plt
#讀取圖片為numpy陣列
img = imageio.imread('horse.jpg')
print(img.dtype)
print(img.size) # 畫素數量
print(img.shape) #(height, width, channels)
plt.imshow(img)
plt.show()
print(img)
#儲存圖片
imageio.imsave('test.jpg',img)