本文介绍了使用Python进行图像处理的实战技巧，涵盖了PIL、matplotlib、scikit-image和scipy等库的操作，包括图像存储、读取、转换、基本操作、插值、文件格式转换、颜色空间处理以及多种图像处理函数的演示。
写在前面，以下文字是阅读python图像处理实战一书的笔记整理，如有出错请在评论区留言，共同进步，谢谢！
目录
crop((left, top, reight, bottom))
一、图像在计算机中的存储形式
图像可以简单理解为将坐标点映射为与点的颜色强度相关的整数。
因此，需要在空间和振幅两个方面进行数字化，即分别对应图像采样和灰度量化。
例如：灰度图像就是二维坐标与黑白颜色强度的映射。
RGB图像则是三个二维坐标分别与红，绿，蓝颜色强度映射的叠加。
二、图像输入输出
1.使用PIL读取、保存和显示图像
from PIL import Image
image = Image.open(r'D:\test.jpg')
print(image.width, image.height, image.mode, image.format, type(image))
image.show()
image_grey = image.convert('L')
image_grey.save(r'D:\mimi.jpg')
Image.open(r'D:\mimi.jpg').show()输出结果为：
PIL是将图片转化为Image对象来处理
2.使用matplotlib读取、保存和显示图像
2.1输入、输出图像
import matplotlib.pylab as plt
im = plt.imread(r'D:\mimi.jpg')
print(im.shape, im.dtype, type(im))
plt.figure(figsize=(10, 10))
plt.imshow(im) #展示图片
plt.axis('off') #隐藏坐标轴
plt.show()plt用来对图像进行处理，是将图像处理为np.narray类型
2.2 对图像像素进行处理
import matplotlib.pyplot as plt
im = plt.imread(r'D:\test.jpg')
print(im.shape, im.dtype, type(im))
plt.figure(figsize=(10, 10))
plt.axis('off') #隐藏坐标轴
# plt.imshow(im)
im1 = im.copy() #必须要拷贝，否则是只读模式
im1[im1 < 0.5 ] = 0
# plt.imshow(im1)
plt.axis('off')
plt.imshow(im1)
plt.tight_layout()
plt.savefig(r'D:\dark.jpg')
im2 = plt.imread(r'D:\dark.jpg')
plt.figure(figsize=(10, 10))
plt.imshow(im2)
plt.axis('off')
plt.tight_layout()
plt.show()
上面的代码有几个点需要注意：
第一个：plt.imread后的图片不可修改，需要 im1 = im.copy()后才可以修改
第二个：im1[im1 < 0.5] = 0这个用法需要记住
第三个: plt.savefig需要在plt.show()之前用，并且plt.savefig 保存的对象是最近一个plt.imshow的图像
第四个:plt.tight_layout()是防止图像上的字重叠。、、
2.3 插值
import matplotlib.pyplot as plt
im = plt.imread(r'D:\test.jpg')
methods = ['none', 'nearest', 'bilinear', 'bicubic', 'spline16', 'lanczos']
fig, axes = plt.subplots(nrows=2, ncols=3, figsize=(15, 30), subplot_kw={'xticks':[], 'yticks':[]})
fig.subplots_adjust(hspace=0.05, wspace=0.05)
for ax, interp_method in zip(axes.flat, methods):
ax.imshow(im, interpolation=interp_method) #插值
ax.set_title(str(interp_method), size=20)
plt.tight_layout()
plt.show()3.使用scikit-imge读取、保存和显示图像
3.1基本操作
import skimage.io as io
from skimage import viewer
im = io.imread(r'D:/test.jpg')
print(im.shape, im.dtype, type(im))
io.imsave(r'D:/skimage_test.jpg',im)
# io.imshow(im)
# io.show()
viewer = viewer.ImageViewer(im)
viewer.show()
展示图像用viewer.ImageViewer也可以
3.2 调取skimage下的数据集
from skimage import data
import skimage.io as io
im = data.astronaut()
io.imshow(im)3.3一次性同时读取和显示多个图像
import skimage.io as io
io.imread_collection()
io.imshow_collection()要用的时候再查
4.使用scipy的misc模块读取、保存和显示图像
略。
三、处理不同的文件格式和图像类型，并执行基本的图像操作。
1.文件格式与转换
图像的文件格式常见的有：BMP, PNG, JPG(JPEG), GIF等
from PIL import Image
im = Image.open(r'D:/test.png')
print(im.mode)
#RGB
im.save(r'D:/fig.jpg')即，直接改后缀名即可。
但是要注意png转jpg如果图片模式是RGBA的话会报错，需要先转为RGB模式
from PIL import Image
im = Image.open(r'D:/test.png')
print(im.mode)
#RGBA
im.convert('RGB').save(r'D:/fig.jpg')2.图像类型（模式mode）与转换
1.单通道图像：分为二值图像和灰度图像（uint8，0-255）
2.多通道图像：分为三通道图像和四通道图像:
三通道图像：（1）RGB (2)HSV (色调、饱和度、亮度)
四通道图像：RGBA：A表示透明度
转换提供三种方法：
from PIL import Image
im = Image.open(r'D:/test.jpg')
im.convert('L')#转灰度
import skimage.io as io
img = io.imread(r'D:\test.jpg', as_gray=True)
io.imshow(img)import skimage.io as io
from skimage import color
img = io.imread(r'D:\test.jpg')
img_gray = color.rgb2gray(img)
io.imshow(img_gray)但是需要注意，彩色图像转为灰度图像的时候，可能会丢失一些信息，例如书中数字八的识别。
3.颜色（空间）通道与转换
常见的颜色通道包括：RGB, HSV, XYZ等，其实就是用一个变化矩阵与某一个相乘得到另一个空间。
这里主要用skimage.color来做
转换：
from skimage import color
import skimage.io as io
img = io.imread(r'D:/test.jpg')
im_hsv = color.rgb2hsv(img)
4.存储图像的数据结构的转换
PIL采用Image对象来保存图像， 而skimage采用numpy的ndarray才保存图像
from skimage import color
import skimage.io as io
from PIL import Image
import numpy as np
import matplotlib.pyplot as plt
im = Image.open('D:/test.jpg')
im_array = np.array(im)
print(type(im_array))
im_image_class = Image.fromarray(im_array)
im_image_class.show()
四、基本图像操作合集
4.1 图像坐标
图像的原点位于左上角，且x正方向和y正方向如图所示：
4.2 使用numpy数组的切片进行图像处理
4.2.1举例：圆形掩模
import skimage.io as io
import numpy as np
img = io.imread(r'D:/test.jpg')
lx, ly, _ = img.shape
X, Y = np.ogrid[0:lx, 0:ly]
mask = (X -lx/2) ** 2 + (Y - ly/2)**2 > lx * ly /4
img[mask, : ] = 0
io.imshow(img)
说明：
ogrid函数作为产生numpy数组与numpy的arange函数功能有点类似，不同的是：
1、arange函数产生的是一维数组，而ogrid函数产生的是二维数组
2、arange函数产生的是一个数组，而ogrid函数产生的是二个数组
3、ogrid函数产生的数组，第一个数组是以纵向产生的，即数组第二维的大小始终为1。第二个数组是以横向产生的，即数组第一维的大小始终为1。
·2.numpy切片
所用图片的shape是（1000, 1620, 3) mask的大小是（1000， 1620）所以如代码那样即可。
4.2.2简单的图形渐变替换。
import skimage.io as io
import numpy as np
import matplotlib.pyplot as plt
from PIL import Image
img = io.imread(r'D:/test.jpg')
img_dog = io.imread(r'D:/dog.jpg')
img_dog = Image.fromarray(img_dog)
img_dog = img_dog.resize((1620, 1080), Image.BILINEAR)
img_dog = np.array(img_dog)
i = 1
for alpha in np.linspace(0, 1, 20):
plt.subplot(4, 5, i)
plt.imshow(((1-alpha) * img + alpha * img_dog)/255)
plt.axis('off')
i += 1
plt.subplots_adjust(wspace=0.05, hspace=0.05)
plt.show()
采用公式：
来做图形渐变，所以首先要将两张图像的shape变为一致。
https://blog.csdn.net/gatieme/article/details/61416645?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522163531042916780261930281%2522%252C%2522scm%2522%253A%252220140713.130102334..%2522%257D&request_id=163531042916780261930281&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~sobaiduend~default-1-61416645.first_rank_v2_pc_rank_v29&utm_term=numpy+subplot&spm=1018.2226.3001.41874.3 使用PIL库进行图像处理
4.3.1 裁剪图像
from PIL import Image
img = Image.open('D:/test.jpg')
img = img.crop((175, 75, 320, 200))
img.show()crop((left, top, reight, bottom))
4.3.2 调整图像尺寸
（1）小图调整为大图：(shape扩大两倍）
from PIL import Image
img = Image.open('D:/test.jpg')
img_large = img.resize((img.width*2, img.height*2), Image.BILINEAR)
img_large.show()采用双线性插值，上采样
（2）大图调小图
from PIL import Image
import numpy as np
img = Image.open('D:/test.jpg')
img_small = img.resize((img.width//2, img.height//2), Image.ANTIALIAS)
img_small.show()抗混叠技术下采样
4.3.3 图像负片——255-每一个像素：point方法
from PIL import Image
import numpy as np
img = Image.open('D:/test.jpg')
img_t = img.point(lambda x:255-x)
img_t.show()
扫一扫
287
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
