python数字图像处理像素的访问与裁剪示例
目录
- 引言
引言
图片读入程序中后,是以numpy数组存在的。因此对numpy数组的一切功能,对图片也适用。对数组元素的访问,实际上就是对图片像素点的访问。
彩色图片访问方式为:
img[i,j,c]
i表示图片的行数,j表示图片的列数,c表示图片的通道数(RGB三通道分别对应0,1,2)。坐标是从左上角开始。
灰度图片访问方式为:
gray[i,j]
例1:输出小猫图片的G通道中的第20行30列的像素值
from skimage import io,data img=data.chelsea() pixel=img[20,30,1] print(pixel)
输出为129
例2:显示红色单通道图片
from skimage import io,data img=data.chelsea() R=img[:,:,0] io.imshow(R)
除了对像素进行读取,也可以修改像素值。
例3:对小猫图片随机添加椒盐噪声
from skimage import io,data import numpy as np img=data.chelsea() #随机生成5000个椒盐 rows,cols,dims=img.shape for i in range(5000): x=np.random.randint(0,rows) y=np.random.randint(0,cols) img[x,y,:]=255 io.imshow(img)
这里用到了numpy包里的random来生成随机数,randint(0,cols)表示随机生成一个整数,范围在0到cols之间。
用img[x,y,:]=255这句来对像素值进行修改,将原来的三通道像素值,变为255
通过对数组的裁剪,就可以实现对图片的裁剪。
例4:对小猫图片进行裁剪
from skimage import io,data img=data.chelsea() roi=img[80:180,100:200,:] io.imshow(roi)
对多个像素点进行操作,使用数组切片方式访问。切片方式返回的是以指定间隔下标访问 该数组的像素值。下面是有关灰度图像的一些例子:
img[i,:] = im[j,:] # 将第 j 行的数值赋值给第 i 行 img[:,i] = 100 # 将第 i 列的所有数值设为 100 img[:100,:50].sum() # 计算前 100 行、前 50 列所有数值的和 img[50:100,50:100] # 50~100 行,50~100 列(不包括第 100 行和第 100 列) img[i].mean() # 第 i 行所有数值的平均值 img[:,-1] # 最后一列 img[-2,:] (or im[-2]) # 倒数第二行
最后我们再看两个对像素值进行访问和改变的例子:
例5:将lena图片进行二值化,像素值大于128的变为1,否则变为0
from skimage import io,data,color img=data.lena() img_gray=color.rgb2gray(img) rows,cols=img_gray.shape for i in range(rows): for j in range(cols): if (img_gray[i,j]<=0.5): img_gray[i,j]=0 else: img_gray[i,j]=1 io.imshow(img_gray)
这个例子,使用了color模块的rgb2gray()函数,将彩色三通道图片转换成灰度图。转换结果为float64类型的数组,范围为[0,1]之间。
例6:
from skimage import io,data img=data.chelsea() reddish = img[:, :, 0] >170 img[reddish] = [0, 255, 0] io.imshow(img)
这个例子先对R通道的所有像素值进行判断,如果大于170,则将这个地方的像素值变为[0,255,0], 即G通道值为255,R和B通道值为0。
以上就是python数字图像处理像素的访问与裁剪示例的详细内容,更多关于python数字图像处理像素访问裁剪的资料请关注我们其它相关文章!
赞 (0)