前言

本专栏面向所有希望或有兴趣从事数字图像处理工作、学习或研究的朋友，编程语言采用了当下最火的Python语言。

Python是一种跨平台的计算机设计语言，也是一个高层次的结合了解释性、编译性、互动性和面向对象的脚本语言，被方便的应用于各种项目开发中，尤其是人工智能的发展，Python以极简的姿态在深度学习领域行云流水。很多初学者也由于Python的简单、易用性开始学习这门语言，本专栏将以Python语言来讲述如何学习数字图像处理算法的相关内容。

目前而言，已经有了很多优秀的Python图像处理模块，比如scipy，opencv python 版， matlab等等，这些库很强大，可以方便大家快速调用图像算法接口，去实现一些图像算法，但是，会调用接口不等价于会图像算法，这个也是本文的重点。授人以鱼不如授人以渔，如果你只会Python，想要真正的学习图像算法，而不是永远调用别人的图像算法库，那么，这里将教会你如何“捕鱼”！本专栏将以numpy为基础，在介绍图像算法的同时，用代码实现算法内容，不依赖其他库诸如scipy、cv2等等，仅使用Matplotlib来读取和显示图像，帮助大家快速掌握，轻松入门，这也是本专栏和作者的初衷。

说句题外话，个人理解，学习图像算法，就要像华为一样，掌握核心技术(掌握图像算法精髓)，才不至于受制于人！就算哪天matlab不给我用了，我也可以开心的告诉别人“没有matlab我可以做中国自己的matlab”！

图像像素格式

对于初学者，往往搞不清楚，一个像素究竟是什么？针对数字图像中的位图而言，一张宽度W，高度H的图像是由W×H个像素点来表示的，每个像素都包含了各自的颜色信息，所以我们的感官才会感知到不同图像各自是什么颜色的。要有颜色的概念，我们就要先了解色彩的深度。

色彩深度就是色彩的位数，代表了一个像素用多少个二进制位来表示颜色信息。常用的色彩深度有1位(也就是单色)，2位(也就是4色CGA)，4位(也就是16色VGA)，8位(也就是256色)，16位(增强色)以及24位和32位真彩色等。听起来对于初学者好像不容易理解，我们这里以黑白二值图、灰度图和24/32位彩色图四类来做说明。

黑白二值单色图像：图像中每个像素点非黑即白，对于像素值非0即1，每一个像素用一个数值也就是1个二进制位即可表示(一个二进制位代表0或者1)，因此，这种黑白二值图也可以叫作单色图，黑白二值图像举例如下图Fig.1所示。

Fig.1黑白二值图像示例

在Fig.1中，对于任意像素P0，如果它是黑色像素，那么P0=0，反之，P0=1，这就是黑白二值图像中像素P0的数字表示，注意这里使用的是0-1来表示像素值，实际上常用的还有0-255，也就是uchar类型，后面我们将统一以0-255来表示像素值。

8位灰度图像：8位灰度图像是指用8个bit位来表示颜色信息的图像，颜色信息范围位0-255，0是黑色，255是白色，对应的二进制位表示如下：

0的二进制位表示：00000000

255的二进制位表示：11111111

8位灰度图像举例如图Fig.2所示，看起来是一张灰色的图像，但是人物细节等颜色信息明显要比单色二值图像要多很多，因为二值图像只有0和1两个颜色信息，而灰度图有0-255共256个颜色信息；

Fig.2 8位灰度图示例

在Fig.2中，对于任意像素P0，如果它是黑色像素，那么P0=0，白色P0=255，其他颜色则P0在0到255之间。这就是8位灰度图像中像素P0的数字表示。

24位彩色图像：为了表示更加丰富的彩色信息，我们基于三原色RGB，将每个像素分为了R、G和B三个颜色分量，即红色分量Red，绿色分量Green和蓝色分量Blue。同时，我们对于每个分量都使用8个二进制位也就是1个字节大小来表示它的颜色信息，对应数值范围为0-255。这样，一个像素占用3个字节，24个Bit位，也就是24位彩色图像。颜色信息则是RGB三个颜色分量的组合，由于每个分量可以表示0-255共256种颜色，因此，24位彩色图像像素共有256×256×256种颜色信息，我们也将RGB三个颜色分量叫作三个通道，举例如图Fig.3所示。

Fig.3 24位彩色图像示例

在Fig.3中，对于任意像素P0，如果它是黑色像素，那么P0=(R=0,G=0,B=0)，白色P0=(R=255,G=255,B=255)，通常我们用一个RGB坐标轴的三维坐标来表示，即黑色P0(0,0,0)，白色P0(255,255,255)。这就是24位彩色图像中像素P0的数字表示。

32位彩色图像：理解了24位彩色图像，那么，32位彩色图像就是在24位彩色图像的基础上添加了一个透明通道alpha位，我们经常看到一些有透明区域的图像，这些透明区域如何控制，就是依靠这个alpha通道来实现的。对于32位彩色图像的每个像素，我们使用RGBA四个颜色分量来表示，A就是透明度分量，同样占用1个字节8个bit，所以，一个像素共占用32个bit，4个字节。我们称32位彩色图像有4个通道，也就是RGBA四通道。对于黑色像素表示为(0,0,0,A)，白色像素表示为(255,255,255,A)，举例如图Fig.4所示。

Fig.4 32位彩色图像示例

在Fig.4中，方格子区域就表示这些区域的像素透明通道是0(全透明)，我们可以看到的人物区域像素的透明通道是255(不透明)。由于每个像素的RGBA数值都在0-255之间，因此，对于Fig.4这张宽高为256×256大小的灰度图而言，由于每个像素有四个通道，所以，它的大小为W×H×4。

上述就是常用的像素格式介绍，下面我们来说图像读写。

图像读写

图像读写也叫做图像编解码，图像编解码是数字图像处理中的重要组成部分，甚至是一个可以单独出书的模块。由于图像格式多种多样，需要对每一种图像进行格式分析，然后单独编解码，同时还要考虑效率和质量问题，因此，也是一个难啃的骨头。对于初学者而言，想要自己实现常用图像的编解码算法，基本不太现实，常用的方法就是调用各种第三方库，这里，我们直接使用Matplotlib库。

Python一个优点就是方便，使用Matplotlib读写图像也是非常简单，代码如下：

import numpy as np
import  matplotlib.pyplot as plt
import matplotlib.image as imgim = img.imread("data/test/2.bmp")#图像读取
print(im.shape)
plt.imshow(im)#图像显示
img.imsave(“data/test/save.jpg”,im)

在Matplotlib中，图像读取使用imread函数，它可以读取一个图像的文件名或者一个文件的URL，在或者是一个图像的二进制文件。读取成功后会返回一个数组array，根据上文中所说的图像像素格式，它返回的数组大小如下：

(M, N) for grayscale images .#灰度图像
(M, N, 3) for RGB images. #24位彩色图像
(M, N, 4) for RGBA images. #RGBA32位彩色图像

在Matplotlib中，图像保存使用imsave函数，它的定义如下：

def imsave(fname, arr, clims=None, cmap=None, format=None, origin=None):"""Saves a 2D array as a bitmapped image with one pixel per element.The output formats available depend on the backend being used.Arguments:*fname*:A string containing a path to a filename, or a Python file-like object.If *format* is *None* and *fname* is a string, the outputformat is deduced from the extension of the filename.*arr*:A 2D array.Keyword arguments:*clims*:clims sets the color scaling for the image.It is a tuple (vmin, vmax) that is passed through to the pyplot clim function.If either *vmin* or *vmax* is None, the image min/max respectivelywill be used for color scaling.*cmap*:cmap is a colors.Colormap instance.*format*:One of the file extensions supported by the activebackend.  Most backends support png, pdf, ps, eps and svg.*origin*[ 'upper' | 'lower' ] Indicates where the [0,0] index ofthe array is in the upper left or lower left corner ofthe axes. Defaults to the rc image.origin value."""

如果你说你是小白，看不懂这么多，那么，就像我的示例代码中所示，直接输入一个路径即可。

最后，如果你需要显示图像看一下，可以直接使用imshow函数，plt.imshow(im)如下图所示：

Fig.5 图像显示示例

本小节是Python数字图像处理入门第一小节，主要掌握如何使用Matplotlib进行图像读写和显示，同时带大家了解了灰度图、24位/32位图像像素格式，希望大家再接再厉！

Python数字图像处理---1.1图像的像素格式与图像读写相关推荐

C语言数字图像处理---1.1图像的像素格式与图像读写
前言本专栏面向所有希望或有兴趣从事数字图像处理工作.学习或研究的朋友,不懂MATLAB和OPENCV没关系,仅需要基础的C语言知识,便可以通过本专栏内容轻松入门数字图像处理方向.目前市面上的数字图像 ...
第2章 Python 数字图像处理(DIP) --数字图像基础4 -- 像素间的一些基本关系 - 邻域 - 距离测试
目录像素间的一些基本关系像素的相信像素距离测试 import sys import numpy as np import cv2 import matplotlib import matplot ...
python绘制灰度图片直方图-python数字图像处理实现直方图与均衡化
在图像处理中,直方图是非常重要,也是非常有用的一个处理要素. 在skimage库中对直方图的处理,是放在exposure这个模块中. 1.计算直方图函数:skimage.exposure.histo ...
python数字图像处理（17）：边缘与轮廓
在前面的python数字图像处理(10):图像简单滤波中,我们已经讲解了很多算子用来检测边缘,其中用得最多的canny算子边缘检测. 本篇我们讲解一些其它方法来检测轮廓. 1.查找轮廓(find_c ...
第1章 Python 数字图像处理(DIP) --绪论
Python 数字图像处理关于本专栏此专栏为 Python 数字图像处理(DIP)(冈萨雷斯版),专栏里文章的内容都是来自书里,全部手打,非OCR,因为很多公式,都是用LaTex输入,力求更好看的 ...
python数字图像处理以及绘图
1, subplot的使用 matlab中的用法: subplot(m,n,p)或者subplot(m n p) subplot是将多个图画到一个平面上的工具.其中,m和n代表在一个图像窗口中显示m行 ...
（附源码）python数字图像处理课程平台毕业设计 242339
Python数字图像处理课程平台的开发摘要数字图像处理是一门新兴技术,随着计算机硬件的发展,数字图像的实时处理已经成为可能,由于数字图像处理的各种算法的出现,使得其处理速度越来越快,能更好的为人 ...
（附源码）Python数字图像处理课程平台毕业设计242339
Python数字图像处理课程平台的开发摘要数字图像处理是一门新兴技术,随着计算机硬件的发展,数字图像的实时处理已经成为可能,由于数字图像处理的各种算法的出现,使得其处理速度越来越快,能更好的为人 ...
对索引像素格式的图片进行Setpixel(具有索引像素格式的图像不支持SetPixel)解决方案
对索引像素格式的图片进行Setpixel(具有索引像素格式的图像不支持SetPixel)解决方案参考文章: (1)对索引像素格式的图片进行Setpixel(具有索引像素格式的图像不支持SetPixe ...

Python数字图像处理---1.1图像的像素格式与图像读写

前言

图像像素格式

图像读写

Python数字图像处理---1.1图像的像素格式与图像读写相关推荐

最新文章

热门文章