Python图像处理

　　以前照相从来没有那么容易。现在你只需要一部手机。拍照是免费的，如果我们不考虑手机的费用的话。就在上一代人之前，业余艺术家和真正的艺术家如果拍照非常昂贵，并且每张照片的成本也不是免费的。
　　我们拍照是为了及时保存伟大的时刻，被保存的记忆随时准备在未来被＂打开＂。
　　就像腌制东西一样，我们要注意正确的防腐剂。当然，手机也为我们提供了一系列的图像处理软件，但是一旦我们需要处理大量的照片，我们就需要其他的工具。这时，编程和Python就派上用场了。Python及其模块如Numpy、Scipy、Matplotlib和其他特殊模块提供了各种各样的函数，能够处理大量图片。
　　为了向你提供必要的知识，本章的Python教程将处理基本的图像处理和操作。为此，我们使用模块NumPy、Matplotlib和SciPy。
　　我们从scipy包misc开始。# 以下行仅在Python notebook中需要: %matplotlib inline from scipy import misc ascent = misc.ascent() import matplotlib.pyplot as plt plt.gray() plt.imshow(ascent) plt.show()
　　除了图像之外，我们还可以看到带有刻度的轴。这可能是非常有趣的，如果你需要一些关于大小和像素位置的方向，但在大多数情况下，你想看到没有这些信息的图像。我们可以通过添加命令plt.axis(＂off＂)来去掉刻度和轴:from scipy import misc ascent = misc.ascent() import matplotlib.pyplot as plt plt.axis(＂off＂) # 删除轴和刻度 plt.gray() plt.imshow(ascent) plt.show()
　　我们可以看到这个图像的类型是一个整数数组:ascent.dtype
　　输出:
　　dtype(＂int64＂)
　　我们也可以检查图像的大小:ascent.shape
　　输出:
　　(512,512)
　　misc包里还有一张浣熊的图片:import scipy.misc face = scipy.misc.face() print(face.shape) print(face.max) print(face.dtype) plt.axis(＂off＂) plt.gray() plt.imshow(face) plt.show() (768, 1024, 3)  uint8 import matplotlib.pyplot as plt
　　matplotlib只支持png图像img = plt.imread(＂frankfurt.png＂) print(img[:3]) [[[ 0.41176471  0.56862748  0.80000001]   [ 0.40392157  0.56078434  0.79215688]   [ 0.40392157  0.56862748  0.79607844]   ...,    [ 0.48235294  0.62352943  0.81960785]   [ 0.47843137  0.627451    0.81960785]   [ 0.47843137  0.62352943  0.82745099]]  [[ 0.40784314  0.56470591  0.79607844]   [ 0.40392157  0.56078434  0.79215688]   [ 0.40392157  0.56862748  0.79607844]   ...,    [ 0.48235294  0.62352943  0.81960785]   [ 0.47843137  0.627451    0.81960785]   [ 0.48235294  0.627451    0.83137256]]  [[ 0.40392157  0.56862748  0.79607844]   [ 0.40392157  0.56862748  0.79607844]   [ 0.40392157  0.56862748  0.79607844]   ...,    [ 0.48235294  0.62352943  0.81960785]   [ 0.48235294  0.62352943  0.81960785]   [ 0.48627451  0.627451    0.83137256]]] plt.axis(＂off＂) imgplot = plt.imshow(img) lum_img = img[:,:,1] print(lum_img) [[ 0.56862748  0.56078434  0.56862748 ...,  0.62352943  0.627451    0.62352943]  [ 0.56470591  0.56078434  0.56862748 ...,  0.62352943  0.627451    0.627451  ]  [ 0.56862748  0.56862748  0.56862748 ...,  0.62352943  0.62352943    0.627451  ]  ...,   [ 0.31764707  0.32941177  0.32941177 ...,  0.30588236  0.3137255    0.31764707]  [ 0.31764707  0.3137255   0.32941177 ...,  0.3019608   0.32156864    0.33725491]  [ 0.31764707  0.3019608   0.33333334 ...,  0.30588236  0.32156864    0.33333334]] plt.axis(＂off＂) imgplot = plt.imshow(lum_img) 色彩、色度和色调
　　现在，我们将展示如何给图像着色。色彩是色彩理论的一种表达，是画家常用的一种技法。想到画家而不想到荷兰是很难想象的。所以在下一个例子中，我们使用荷兰风车的图片。windmills = plt.imread(＂windmills.png＂) plt.axis(＂off＂) plt.imshow(windmills)
　　输出:
　　
　　我们现在想给图像着色。我们用白色，这将增加图像的亮度。为此，我们编写了一个Python函数，它接受一个图像和一个百分比值作为参数。设置＂百分比＂为0不会改变图像，设置为1表示图像将完全变白:import numpy as np import matplotlib.pyplot as plt def tint(imag, percent):     ＂＂＂     imag: 图像     percent: 0，图像将保持不变，1，图像将完全变白色，值应该在0~1     ＂＂＂     tinted_imag = imag + (np.ones(imag.shape) - imag) * percent     return tinted_imag windmills = plt.imread(＂windmills.png＂) tinted_windmills = tint(windmills, 0.8) plt.axis(＂off＂) plt.imshow(tinted_windmills)
　　输出:
　　
　　阴影是一种颜色与黑色的混合，它减少了亮度。import numpy as np import matplotlib.pyplot as plt def shade(imag, percent):     ＂＂＂     imag: 图像     percent: 0，图像将保持不变，1，图像将完全变黑，值应该在0~1     ＂＂＂     tinted_imag = imag * (1 - percent)     return tinted_imag windmills = plt.imread(＂windmills.png＂) tinted_windmills = shade(windmills, 0.7) plt.imshow(tinted_windmills)
　　输出: def vertical_gradient_line(image, reverse=False):     ＂＂＂     我们创建一个垂直梯度线。形状 (1, image.shape[1], 3))     如果reverse为False，则值从0增加到1，     否则，值将从1递减到0。     ＂＂＂     number_of_columns = image.shape[1]     if reverse:         C = np.linspace(1, 0, number_of_columns)     else:         C = np.linspace(0, 1, number_of_columns)     C = np.dstack((C, C, C))     return C horizontal_brush = vertical_gradient_line(windmills) tinted_windmills =  windmills * horizontal_brush plt.axis(＂off＂) plt.imshow(tinted_windmills)
　　输出:
　　
　　现在，我们将通过将Python函数的reverse参数设置为＂True＂来从右向左着色图像：def vertical_gradient_line(image, reverse=False):     ＂＂＂     我们创建一个水平梯度线。形状 (1, image.shape[1], 3))     如果reverse为False，则值从0增加到1，     否则，值将从1递减到0。     ＂＂＂     number_of_columns = image.shape[1]     if reverse:         C = np.linspace(1, 0, number_of_columns)     else:         C = np.linspace(0, 1, number_of_columns)     C = np.dstack((C, C, C))     return C horizontal_brush = vertical_gradient_line(windmills, reverse=True) tinted_windmills =  windmills * horizontal_brush plt.axis(＂off＂) plt.imshow(tinted_windmills)
　　输出: def horizontal_gradient_line(image, reverse=False):     ＂＂＂     我们创建一个垂直梯度线。形状(image.shape[0], 1, 3))     如果reverse为False，则值从0增加到1，     否则，值将从1递减到0。     ＂＂＂     number_of_rows, number_of_columns = image.shape[:2]     C = np.linspace(1, 0, number_of_rows)     C = C[np.newaxis,:]     C = np.concatenate((C, C, C)).transpose()     C = C[:, np.newaxis]     return C vertical_brush = horizontal_gradient_line(windmills) tinted_windmills =  windmills  plt.imshow(tinted_windmills)
　　输出:
　　
　　色调是由一种颜色与灰色的混合产生的，或由着色和阴影产生的。charlie = plt.imread(＂Chaplin.png＂) plt.gray() print(charlie) plt.imshow(charlie) [[ 0.16470589  0.16862746  0.17647059 ...,  0.          0.          0.        ]  [ 0.16078432  0.16078432  0.16470589 ...,  0.          0.          0.        ]  [ 0.15686275  0.15686275  0.16078432 ...,  0.          0.          0.        ]  ...,   [ 0.          0.          0.         ...,  0.          0.          0.        ]  [ 0.          0.          0.         ...,  0.          0.          0.        ]  [ 0.          0.          0.         ...,  0.          0.          0.        ]]
　　输出：
　　
　　给灰度图像着色
　　:http://scikit-image.org/docs/dev/auto_examples/plot_tinting_grayscale_images.html
　　在下面的示例中，我们将使用不同的颜色映射。颜色映射可以在
　　matplotlib.pyplot.cm.datad中找到:plt.cm.datad.keys()
　　输出：dict_keys([＂afmhot＂, ＂autumn＂, ＂bone＂, ＂binary＂, ＂bwr＂, ＂brg＂, ＂CMRmap＂, ＂cool＂, ＂copper＂, ＂cubehelix＂, ＂flag＂, ＂gnuplot＂, ＂gnuplot2＂, ＂gray＂, ＂hot＂, ＂hsv＂, ＂jet＂, ＂ocean＂, ＂pink＂, ＂prism＂, ＂rainbow＂, ＂seismic＂, ＂spring＂, ＂summer＂, ＂terrain＂, ＂winter＂, ＂nipy_spectral＂, ＂spectral＂, ＂Blues＂, ＂BrBG＂, ＂BuGn＂, ＂BuPu＂, ＂GnBu＂, ＂Greens＂, ＂Greys＂, ＂Oranges＂, ＂OrRd＂, ＂PiYG＂, ＂PRGn＂, ＂PuBu＂, ＂PuBuGn＂, ＂PuOr＂, ＂PuRd＂, ＂Purples＂, ＂RdBu＂, ＂RdGy＂, ＂RdPu＂, ＂RdYlBu＂, ＂RdYlGn＂, ＂Reds＂, ＂Spectral＂, ＂YlGn＂, ＂YlGnBu＂, ＂YlOrBr＂, ＂YlOrRd＂, ＂gist_earth＂, ＂gist_gray＂, ＂gist_heat＂, ＂gist_ncar＂, ＂gist_rainbow＂, ＂gist_stern＂, ＂gist_yarg＂, ＂coolwarm＂, ＂Wistia＂, ＂Accent＂, ＂Dark2＂, ＂Paired＂, ＂Pastel1＂, ＂Pastel2＂, ＂Set1＂, ＂Set2＂, ＂Set3＂, ＂tab10＂, ＂tab20＂, ＂tab20b＂, ＂tab20c＂, ＂Vega10＂, ＂Vega20＂, ＂Vega20b＂, ＂Vega20c＂, ＂afmhot_r＂, ＂autumn_r＂, ＂bone_r＂, ＂binary_r＂, ＂bwr_r＂, ＂brg_r＂, ＂CMRmap_r＂, ＂cool_r＂, ＂copper_r＂, ＂cubehelix_r＂, ＂flag_r＂, ＂gnuplot_r＂, ＂gnuplot2_r＂, ＂gray_r＂, ＂hot_r＂, ＂hsv_r＂, ＂jet_r＂, ＂ocean_r＂, ＂pink_r＂, ＂prism_r＂, ＂rainbow_r＂, ＂seismic_r＂, ＂spring_r＂, ＂summer_r＂, ＂terrain_r＂, ＂winter_r＂, ＂nipy_spectral_r＂, ＂spectral_r＂, ＂Blues_r＂, ＂BrBG_r＂, ＂BuGn_r＂, ＂BuPu_r＂, ＂GnBu_r＂, ＂Greens_r＂, ＂Greys_r＂, ＂Oranges_r＂, ＂OrRd_r＂, ＂PiYG_r＂, ＂PRGn_r＂, ＂PuBu_r＂, ＂PuBuGn_r＂, ＂PuOr_r＂, ＂PuRd_r＂, ＂Purples_r＂, ＂RdBu_r＂, ＂RdGy_r＂, ＂RdPu_r＂, ＂RdYlBu_r＂, ＂RdYlGn_r＂, ＂Reds_r＂, ＂Spectral_r＂, ＂YlGn_r＂, ＂YlGnBu_r＂, ＂YlOrBr_r＂, ＂YlOrRd_r＂, ＂gist_earth_r＂, ＂gist_gray_r＂, ＂gist_heat_r＂, ＂gist_ncar_r＂, ＂gist_rainbow_r＂, ＂gist_stern_r＂, ＂gist_yarg_r＂, ＂coolwarm_r＂, ＂Wistia_r＂, ＂Accent_r＂, ＂Dark2_r＂, ＂Paired_r＂, ＂Pastel1_r＂, ＂Pastel2_r＂, ＂Set1_r＂, ＂Set2_r＂, ＂Set3_r＂, ＂tab10_r＂, ＂tab20_r＂, ＂tab20b_r＂, ＂tab20c_r＂, ＂Vega10_r＂, ＂Vega20_r＂, ＂Vega20b_r＂, ＂Vega20c_r＂]) import numpy as np import matplotlib.pyplot as plt charlie = plt.imread(＂Chaplin.png＂) #  colormaps plt.cm.datad # cmaps = set(plt.cm.datad.keys()) cmaps = {＂afmhot＂, ＂autumn＂, ＂bone＂, ＂binary＂, ＂bwr＂, ＂brg＂,           ＂CMRmap＂, ＂cool＂, ＂copper＂, ＂cubehelix＂, ＂Greens＂} X = [  (4,3,1, (1, 0, 0)), (4,3,2, (0.5, 0.5, 0)), (4,3,3, (0, 1, 0)),         (4,3,4, (0, 0.5, 0.5)),  (4,3,(5,8), (0, 0, 1)), (4,3,6, (1, 1, 0)),         (4,3,7, (0.5, 1, 0) ),               (4,3,9, (0, 0.5, 0.5)),        (4,3,10, (0, 0.5, 1)), (4,3,11, (0, 1, 1)),    (4,3,12, (0.5, 1, 1))] fig = plt.figure(figsize=(6, 5)) #fig.subplots_adjust(bottom=0, left=0, top = 0.975, right=1) for nrows, ncols, plot_number, factor in X:     sub = fig.add_subplot(nrows, ncols, plot_number)     sub.set_xticks([])     plt.colors()      sub.imshow(charlie*0.0002, cmap=cmaps.pop())     sub.set_yticks([]) #fig.show()