圖像灰度變換及圖像數組操作

Python圖像灰度變換及圖像數組操作

作者：MingChaoSun 字體：[增加?減小] 類型：轉載 時間：2016-01-27?我要評論

這篇文章主要介紹了Python圖像灰度變換及圖像數組操作的相關資料,需要的朋友可以參考下

使用python以及numpy通過直接操作圖像數組完成一系列基本的圖像處理

numpy簡介：

NumPy是一個非常有名的 Python 科學計算工具包,其中包含了大量有用的工具,比如數組對象(用來表示向量、矩陣、圖像等)以及線性代數函數。

數組對象可以實現數組中重要的操作,比如矩陣乘積、轉置、解方程系統、向量乘積和歸一化。這為圖像變形、對變化進行建模、圖像分類、圖像聚類等提供了基礎。

在上一篇python基本圖像操作中,當載入圖像時,通過調用 array() 方法將圖像轉換成NumPy的數組對象。NumPy 中的數組對象是多維的,可以用來表示向量、矩陣和圖像。通過對圖像的數組進行直接操作，就可以完成很多圖像處理。

numpy的相關知識網上有很多資料，作為python科學計算的基礎，還是非常值得認真學習的。

使用圖像數組進行基本圖像操作：

認識圖像數組：

通過下面這幾個程序我們看一下圖像與灰度圖的圖像數組，以及numpy數組的切片。

?

1 2 3 4 5 6 7 8 9 10 11 12

# -*- coding: utf-8 -*- from PIL import Image from pylab import * #讀取圖片并轉為數組 im = array(Image.open("./source/test.jpg")) #輸出數組的各維度長度以及類型 print im.shape,im.dtype #輸出位于坐標100,100，顏色通道為r的像素值 print im[100,100,0] #輸出坐標100,100的rgb值 print im[100,100]及類型 print im.shape,im.dtype

運行結果：

(600, 500, 3) uint8
64
[ 64 117 195]

我們看到的是一個三維數組，分別代表橫坐標，縱坐標和顏色通道。

我們可以通過數組把紅藍通道交換

?

1 2 3 4 5 6 7 8 9 10 11 12

# -*- coding: utf-8 -*- from PIL import Image from pylab import * #讀取圖片并轉為數組 im = array(Image.open("./source/test.jpg")) #紅色通道 r = im[:,:,0] #交換紅藍通道并顯示 im[:,:,0] = im[:,:,2] im[:,:,2] = r imshow(im) show()

這里用到了numpy數組的切片方式，關于numpy的資料網上有很多，就不過多敘述了。

運行結果：

?

在轉為數組的過程中我們可以設定數據類型，同時灰度圖的圖像數組也是有意義的：

?

1 2 3 4 5 6 7 8 9

# -*- coding: utf-8 -*- from PIL import Image from pylab import * #讀取圖片,灰度化，并轉為數組 im = array(Image.open("./source/test.jpg").convert('L'),'f') #輸出數組的各維度長度以及類型 print im.shape,im.dtype #輸出坐標100,100的值 print im[100,100]

運行結果：

(600, 500) float32
110.0

額外的參數‘f'將數組的數據類型轉為浮點數

由于灰度圖沒有顏色信息，所以形狀元組只有兩個數值

*array()變換的相反操作可以使用PIL的fromarray()完成，如im = Image.fromarray(im)

圖像數組的簡單應用——灰度變換：

灰度圖像：

灰度數字圖像是每個像素只有一個采樣顏色的圖像。這類圖像通常顯示為從最暗黑色到最亮的白色的灰度。

可以通過下面幾種方法，將圖像轉換為灰度：

1.浮點算法：Gray=R*0.3+G*0.59+B*0.11

2.整數方法：Gray=(R*30+G*59+B*11)/100

3.移位方法：Gray =(R*76+G*151+B*28)>>8;

4.平均值法：Gray=（R+G+B）/3;

5.僅取綠色：Gray=G；

通過上述任一種方法求得Gray后，將原來的RGB(R,G,B)中的R,G,B統一用Gray替換，形成新的顏色RGB(Gray,Gray,Gray)，用它替換原來的RGB(R,G,B)就是灰度圖了。

之前已經使用過很多次了，使用python可以通過使用convert(‘L')來獲得灰度圖

灰度變換：

將圖像讀入 NumPy 數組對象后,我們可以對它們執行任意數學操作。一個簡單的例子就是圖像的灰度變換。即任意函數 f ,它將 0…255 區間(或者 0…1 區間)映射到自身。

下面程序中有一些簡單的灰度變換：

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34

#-*- coding: utf-8 -*- from PIL import Image from pylab import * #讀取圖片,灰度化，并轉為數組 im = array(Image.open("./source/test.jpg").convert('L')) im2 = 255 - im # 對圖像進行反相處理 im3 = (100.0/255) * im + 100 # 將圖像像素值變換到 100...200 區間 im4 = 255.0 * (im/255.0)**2 # 對圖像像素值求平方后得到的圖像(二次函數變換，使較暗的像素值變得更小) #2x2顯示結果 使用第一個顯示原灰度圖 subplot(221) title('f(x) = x') gray() imshow(im) #2x2顯示結果 使用第二個顯示反相圖 subplot(222) title('f(x) = 255 - x') gray() imshow(im2) #2x2顯示結果 使用第三個顯示100-200圖 subplot(223) title('f(x) = (100/255)*x + 100') gray() imshow(im3) #2x2顯示結果 使用第四個顯示二次函數變換圖 subplot(224) title('f(x) =255 *(x/255)^2') gray() imshow(im4) #輸出圖中的最大和最小像素值 print int(im.min()),int(im.max()) print int(im2.min()),int(im2.max()) print int(im3.min()),int(im3.max()) print int(im4.min()),int(im4.max()) show()

運行結果：

?

0 255
0 255
100 200
0 255

可以比較明顯的看到灰度變換的結果，，第二張圖被反相顯示，第三張圖像的暗部變亮，亮部變暗，其值被限制在100到200之間，其中最后一張圖像通過二次函數變換使較暗的像素值變得更暗。

結語：

本篇博客介紹了python使用圖像數組去進行圖像操作的過程，包括幾個簡單的實例，通過數組我們可以對圖像進行任意數學操作，是圖像變形、圖像分類、圖像聚類等的基礎，希望我的博客對大家有所幫助～