解决python图像处理图像赋值后变为白色的问题
用Python进行图像赋值,在1RGB基础上,加入光流两个通道,代码如下所示:
import numpy as np import cv2 import matplotlib.pyplot as plt path = 'frame_00003_rgb.png' img = cv2.imread(path) img1 = np.zeros([480, 640, 5]) img1[:, :, 0:3] = np.array(img) cv2.imshow('test1', np.array(img)[:,:,2]) cv2.imshow('test2', img1[:, :, 0]) cv2.waitKey(10000)
打印出来的时候,图像显示空白:
后来找到了问题,是numpy数组11声明的问题,改成uint8就行了:如下所示:
import numpy as np import cv2 import matplotlib.pyplot as plt path = 'frame_00003_rgb.png' img = cv2.imread(path) img1 = np.zeros([480, 640, 5], dtype=np.uint8) img1[:, :, 0:3] = np.array(img) cv2.imshow('test1', np.array(img)[:,:,2]) cv2.imshow('test2', img1[:, :, 0]) cv2.waitKey(10000)
补充知识:python3改图片白色该为透明
我就废话不多说了,大家还是直接看代码吧!
# pip install Pillow import PIL.Image as Image # 以第一个像素为准,相同色改为透明 def transparent_back(img): img = img.convert('RGBA') L, H = img.size color_0 = (255,255,255,255)#要替换的颜色 for h in range(H): for l in range(L): dot = (l,h) color_1 = img.getpixel(dot) if color_1 == color_0: color_1 = color_1[:-1] + (0,) img.putpixel(dot,color_1) return img if __name__ == '__main__': img=Image.open('img.png') img=transparent_back(img) img.save('img2.png')
以上这篇解决python图像处理图像赋值后变为白色的问题就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持我们。
相关推荐
-
浅谈python opencv对图像颜色通道进行加减操作溢出
由于opencv读入图片数据类型是uint8类型,直接加减会导致数据溢出现象 (1)用Numpy操作 可以先将图片数据类型转换成int类型进行计算, data=np.array(image,dtype='int') 经过处理后(如:遍历,将大于255的置为255,小于0的置为0) 再将图片还原成uint8类型 data=np.array(image,dtype='uint8') 注意: (1)如果直接相加,那么 当像素值 > 255时,结果为对256取模的结果,例如:(240+66) % 256
-
python 实现图像快速替换某种颜色
最近的对图像数据进行处理的时候需要将图像中的某个颜色替换为另一个颜色,但是网络上找到的方法都是通过对图像的遍历进行替换,实在是太费时了!刚开始使用时觉得CPU很快了,一张图片应该用不了多久,但是实际使用中耗时确实难以接受的!于是自己写了一个替换程序加快速度,比遍历快很多,但我觉得不是最快的,应该有通过矩阵索引更快的处理方式,只是我自己暂时并不知道该如何实现,如果以后能够实现会进行更新,暂时先写下自己暂时觉得可用的代码. 一.通过遍历替换 将图像中某个颜色替换为另一个颜色一般的做法是遍历整个图像,
-
python用opencv完成图像分割并进行目标物的提取
运行平台: Windows Python版本: Python3.x IDE: Spyder 今天我们想实现的功能是对单个目标图片的提取如图所示: 图片读取 ###############头文件 import matplotlib.pyplot as plt import os import cv2 import numpy as np from PIL import Image #from skimage import io import random from PIL import Image
-
5行Python代码实现图像分割的步骤详解
众所周知图像是由若干有意义的像素组成的,图像分割作为计算机视觉的基础,对具有现有目标和较精确边界的图像进行分割,实现在图像像素级别上的分类任务. 图像分割可分为语义分割和实例分割两类,区别如下: 语义分割:将图像中每个像素赋予一个类别标签,用不同的颜色来表示: 实例分割:无需对每个像素进行标记,只需要找到感兴趣物体的边缘轮廓. 图像分割通常应用如下所示: 专业检测:应用于专业场景的图像分析,比如在卫星图像中识别建筑.道路.森林,或在医学图像中定位病灶.测量面积等: 智能交通:识别道路信息,包括车
-
Python flask框架如何显示图像到web页面
代码如下 webfig1.py from flask import Flask from flask import render_template import matplotlib.pyplot as plt import io import base64 app = Flask(__name__) @app.route('/') def build_plot(): img = io.BytesIO() y = [1,2,3,4,5] x = [0,2,1,3,4] plt.plot(x,y)
-
Python图像阈值化处理及算法比对实例解析
图像的二值化或阈值化(Binarization)旨在提取图像中的目标物体,将背景以及噪声区分开来.通常会设定一个阈值T,通过T将图像的像素划分为两类:大于T的像素群和小于T的像素群. 灰度转换处理后的图像中,每个像素都只有一个灰度值,其大小表示明暗程度.二值化处理可以将图像中的像素划分为两类颜色,常用的二值化算法如公式1所示: {Y=0,gray<TY=255,gray>=T {Y=0,gray<TY=255,gray>=T 当灰度Gray小于阈值T时,其像素设置为0,表示黑色:
-
python用TensorFlow做图像识别的实现
一.TensorFlow简介 TensorFlow是由谷歌开发的一套机器学习的工具,使用方法很简单,只需要输入训练数据位置,设定参数和优化方法等,TensorFlow就可以将优化结果显示出来,节省了很大量的编程时间,TensorFlow的功能很多很强大,这边挑选了一个比较简单实现的方法,就是利用TensorFlow的逻辑回归算法对数据库中的手写数字做识别,让机器找出规律,然后再导入新的数字让机器识别. 二.流程介绍 上图是TensorFlow的流程,可以看到一开始要先将参数初始化,然后导入训练数
-
Python matplotlib画图时图例说明(legend)放到图像外侧详解
用python的matplotlib画图时,往往需要加图例说明.如果不设置任何参数,默认是加到图像的内侧的最佳位置. import matplotlib.pyplot as plt import numpy as np x = np.arange(10) fig = plt.figure() ax = plt.subplot(111) for i in xrange(5): ax.plot(x, i * x, label='$y = %ix$' % i) plt.legend() plt.sho
-
解决python图像处理图像赋值后变为白色的问题
用Python进行图像赋值,在1RGB基础上,加入光流两个通道,代码如下所示: import numpy as np import cv2 import matplotlib.pyplot as plt path = 'frame_00003_rgb.png' img = cv2.imread(path) img1 = np.zeros([480, 640, 5]) img1[:, :, 0:3] = np.array(img) cv2.imshow('test1', np.array(img)
-
解决python父线程关闭后子线程不关闭问题
我们都知道,python可以通过threading module来创建新的线程,然而在创建线程的线程(父线程)关闭之后,相应的子线程可能却没有关闭,这可能是因为代码中没有使用setDaemon(True)函数. 接下来,使用一个例子来说明: import threading def prt_hello() : while 1 : print 'hello' if __name__ == '__main__' : t = threading.Thread(target=prt_hello) t.s
-
利用python设计图像加密技术(Arnold算法)
目录 1.加密算法要求 2.Arnold置乱原理 3.python实现 4.结果分析与总结 下面展示了图像的加密和解密过程(左边是输入图像,中间是加密后的结果,右边是解密后的图像): 1.加密算法要求 (1)加密算法必须是可逆的,拥有配套的解密算法 (2)必须是安全的,拦截者不能轻易的破解加密方式 (3)不能造成数据量剧增,比如一个1kb的图像加密后变为100kb 2.Arnold置乱原理 Arnold置乱又称为猫脸置乱,据说是因为Arnold首先对猫脸图像应用了这个算法.置乱的含义是置换和打乱
-
Python图像处理之图像的灰度线性变换
目录 一.图像灰度线性变换原理 二.图像灰度上移变换 三.图像对比度增强变换 四.图像对比度减弱变换 五.图像灰度反色变换 一.图像灰度线性变换原理 图像的灰度线性变换是通过建立灰度映射来调整原始图像的灰度,从而改善图像的质量,凸显图像的细节,提高图像的对比度. 灰度线性变换的计算公式如下所示: 该公式中DB表示灰度线性变换后的灰度值,DA表示变换前输入图像的灰度值,α和b为线性变换方程f(D)的参数,分别表示斜率和截距. 当α=1,b=0时,保持原始图像 当α=1,b!=0时,图像所有的灰度值
-
Python图像处理之识别图像中的文字(实例讲解)
①安装PIL:pip install Pillow(之前的博客中有写过) ②安装pytesser3:pip install pytesser3 ③安装pytesseract:pip install pytesseract ④安装autopy3: 先安装wheel:pip install wheel 下载autopy3-0.51.1-cp36-cp36m-win_amd64.whl[点击打开链接] 执行命令:pip install E:\360安全浏览器下载\autopy3-0.51.1-cp36
-
使用Python解决常见格式图像读取nii,dicom,mhd
目录 1. raw,mhd 格式医学图像数据转换 2. dicom格式医学图像数据转换 3. nii格式医学图像转换 1. raw,mhd 格式医学图像数据转换 raw+mhd格式是常见的一种医学图像格式,每一个病人的数据包含一个mhd文件和一个同名的raw文件,mhd即meta header data,数据头部信息,而raw存储了像素信息.方法需要使用的SimpleITK库,我们需要在自己的Python环境中安装对应的库 pip install SimpleITK mhd+raw的数据往往是三
-
解决python字典对值(值为列表)赋值出现重复的问题
可能很少有人遇到这个问题,网上也没找到,这里记录一下,希望也可以帮到其他人. 问题描述:假设有一个字典data,其键不定,可能随时添加键(这不是关键),某一个键下面对应的值为一个长度为10的list,初始化为0,然后我想修改某些键下面的列表中的某一个值,比如data有一个键'k',对应的值为[0,0,0,0,0,0,0,0,0,0],现在我想把键'k'对应的列表的第三个数改成3,即[0,0,3,0,0,0,0,0,0,0],可是意外的事情发生了,如果data还有一个键'k1',假设其值为[0,0
-
Python图像处理实现两幅图像合成一幅图像的方法【测试可用】
本文实例讲述了Python图像处理实现两幅图像合成一幅图像的方法.分享给大家供大家参考,具体如下: 将两幅图像合成一幅图像,是图像处理中常用的一种操作,python图像处理库PIL中提供了多种种将两幅图像合成一幅图像的接口. 下面我们通过不同的方式,将两图合并成一幅图像. 1.使用Image.blend()接口 代码如下: # -*- coding:utf-8 -*- from PIL import Image def blend_two_images(): img1 = Image.open(
-
Python图像处理之图像的缩放、旋转与翻转实现方法示例
本文实例讲述了Python图像处理之图像的缩放.旋转与翻转实现方法.分享给大家供大家参考,具体如下: 图像的几何变换,如缩放.旋转和翻转等,在图像处理中扮演着重要的角色,python中的Image类分别提供了这些操作的接口函数,下面进行逐一介绍. 1.图像的缩放 图像的缩放使用resize()成员函数,直接在入参中指定缩放后的尺寸即可,示例如下: #-*- coding: UTF-8 -*- from PIL import Image #读取图像 im = Image.open("lenna.j
-
Python图像处理之图像融合与ROI区域绘制详解
目录 一.图像融合 二.图像ROI区域定位 三.图像属性 (1)shape (2)size (3)dtype 四.图像通道分离及合并 (1)split()函数 (2)merge()函数 五.图像类型转换 六.总结 一.图像融合 图像融合通常是指多张图像的信息进行融合,从而获得信息更丰富的结果,能够帮助人们观察或计算机处理.图5-1是将两张不清晰的图像融合得到更清晰的效果图. 图像融合是在图像加法的基础上增加了系数和亮度调节量,它与图像的主要区别如下[1-3]: 图像加法:目标图像 = 图像1 +
随机推荐
- thinkphp jquery实现图片上传和预览效果
- 三个js循环的关键字示例(for与while)
- Java 编程之IO流资料详细整理
- 深度剖析java中JDK动态代理机制
- Python基于checksum计算文件是否相同的方法
- vb.net 数组参与SQL语句的查询范例
- JS实现多物体缓冲运动实例代码
- ThinkPHP模板中数组循环实例
- Android中自定义水平进度条样式之黑色虚线
- C#设计模式之Facade外观模式解决天河城购物问题示例
- C++类URL编码和解码使用技巧
- Linux上安装Mysql及简单的使用详解
- Bootstrap~多级导航(级联导航)的实现效果【附代码】
- 保存几个不错的css特效字
- Android自定义View实现仿GitHub的提交活跃表格
- javascript 拖动_cookie_ajax等
- jquery+css3实现网页背景花瓣随机飘落特效
- Js+php实现异步拖拽上传文件
- javascript四个方向无间隙滚动合集(多浏览器IE,firefox兼容)
- 如何增加计算机中可执行文件的搜寻路径