前言

正文

##plt 同时显示多幅图像import matplotlib.pyplot as pltplt.figure()plt.subplot(1,2,1)plt.imshow(images[i])plt.subplot(1,2,2)plt.imshow(maskes[i])plt.show()

以下转自：https://www.cnblogs.com/yinxiangnan-charles/p/5928689.html

在 python 中除了用 opencv，也可以用 matplotlib 和 PIL 这两个库操作图片。本人偏爱 matpoltlib，因为它的语法更像 matlab。

一、matplotlib

显示图片

import matplotlib.pyplot as plt # plt 用于显示图片import matplotlib.image as mpimg # mpimg 用于读取图片import numpy as nplena = mpimg.imread('lena.png') # 读取和代码处于同一目录下的 lena.png# 此时 lena 就已经是一个 np.array 了，可以对它进行任意处理lena.shape #(512, 512, 3)plt.imshow(lena) # 显示图片plt.axis('off') # 不显示坐标轴plt.show()

显示某个通道

    # 显示图片的第一个通道lena_1 = lena[:,:,0]plt.imshow('lena_1')plt.show()# 此时会发现显示的是热量图，不是我们预想的灰度图，可以添加 cmap 参数，有如下几种添加方法：plt.imshow('lena_1', cmap='Greys_r')plt.show()img = plt.imshow('lena_1')img.set_cmap('gray') # 'hot' 是热量图plt.show()

将 RGB 转为灰度图

matplotlib 中没有合适的函数可以将 RGB 图转换为灰度图，可以根据公式自定义一个：

    def rgb2gray(rgb):return np.dot(rgb[...,:3], [0.299, 0.587, 0.114])gray = rgb2gray(lena)    # 也可以用 plt.imshow(gray, cmap = plt.get_cmap('gray'))plt.imshow(gray, cmap='Greys_r')plt.axis('off')plt.show()

对图像进行放缩

这里要用到 scipy

    from scipy import misclena_new_sz = misc.imresize(lena, 0.5) # 第二个参数如果是整数，则为百分比，如果是tuple，则为输出图像的尺寸plt.imshow(lena_new_sz)plt.axis('off')plt.show()

保存图像

5.1 保存 matplotlib 画出的图像

该方法适用于保存任何 matplotlib 画出的图像，相当于一个 screencapture。

    plt.imshow(lena_new_sz)plt.axis('off')plt.savefig('lena_new_sz.png')

5.2 将 array 保存为图像

    from scipy import miscmisc.imsave('lena_new_sz.png', lena_new_sz)

5.3 直接保存 array

读取之后还是可以按照前面显示数组的方法对图像进行显示，这种方法完全不会对图像质量造成损失

    np.save('lena_new_sz', lena_new_sz) # 会在保存的名字后面自动加上.npyimg = np.load('lena_new_sz.npy') # 读取前面保存的数组

二、PIL

1. 显示图片from PIL import Imageim = Image.open('lena.png')im.show()

将 PIL Image 图片转换为 numpy 数组

    im_array = np.array(im)# 也可以用 np.asarray(im) 区别是 np.array() 是深拷贝，np.asarray() 是浅拷贝

保存 PIL 图片

直接调用 Image 类的 save 方法

    from PIL import ImageI = Image.open('lena.png')I.save('new_lena.png')

将 numpy 数组转换为 PIL 图片

这里采用 matplotlib.image 读入图片数组，注意这里读入的数组是 float32 型的，范围是 0-1，而 PIL.Image 数据是 uinit8 型的，范围是0-255，所以要进行转换：

    import matplotlib.image as mpimgfrom PIL import Imagelena = mpimg.imread('lena.png') # 这里读入的数据是 float32 型的，范围是0-1im = Image.fromarray(np.uinit8(lena*255))im.show()

RGB 转换为灰度图

    from PIL import ImageI = Image.open('lena.png')I.show()L = I.convert('L')L.show()

Python matplotlib 和PIL相关推荐

使用游戏角色娜可露露讲述Python图像处理的方法（matplotlib、PIL和OpenCV）
Python中除了使用OpenCV以外,使用matplotlib和PIL这两个模块,也可以对图像进行处理. 一.matplotlib 1. 显示图片 import matplotlib.pyplo ...
python如何将图片的像素矩阵绘制成图片（python,matplotlib):TypeError: Invalid shape (1, 28, 28) for image data
矩阵变成图片,这个问题使用(python , matplotlib ) 可以轻松实现. import matplotlib.pyplot as plt #使用格式 plt.imshow(x)#其中x为 ...
python matplotlib 显示图像
python matplotlib 显示图像首先需要import import os from PIL import Image import matplotlib.pyplot as plt 显示 ...
Python matplotlib可视化：用Matplotlib的bar_label函数为条形图添加数值标记（在每一个条形的外侧顶部）
Python matplotlib可视化:用Matplotlib的bar_label函数为条形图添加数值标记(在每一个条形的外侧顶部) 目录
Python matplotlib可视化：在Matplotlib中为坐标轴刻度添加自定义符号（例如，货币符号￥$等）、水平条形图（horizontal bar）
Python matplotlib可视化:在Matplotlib中为坐标轴刻度添加自定义符号(例如,货币符号￥$等).水平条形图(horizontal bar) 目录
Python matplotlib可视化：自定义轴标签格式化函数（在轴刻度上添加自定义的数值以及符号形式）、使用自定义函数在Matplotlib中为坐标轴刻度添加自定义符号（例如，货币符号￥$等）
Python matplotlib可视化:自定义轴标签格式化函数(在轴刻度上添加自定义的数值以及符号形式).使用自定义函数在Matplotlib中为坐标轴刻度添加自定义符号(例如,货币符号￥$等) 目 ...
Python matplotlib可视化：用Matplotlib的bar_label函数自定义条形图的数值标签、用Matplotlib的bar_label函数为条形图添加数值标记（在每一个条形的中部）
Python matplotlib可视化:用Matplotlib的bar_label函数自定义条形图的数值标签.用Matplotlib的bar_label函数为条形图添加数值标记(在每一个条形的中部) ...
python matplotlib 简单用法
python matplotlib 简单用法具体内容请参考官网代码 import matplotlib.pyplot as plt import numpy as np # 支持中文 plt.rc ...
老咸鱼今天告诉你用Python matplotlib 各种图绘制流线图，难怪老板放纵他
复习回顾在Python关于绘图,Mlab提供开源的matplotlib模块,不仅可以绘制折线图.柱状图.散点图等常规图外,还支持绘制量场图.频谱图.提琴图.箱型图等特殊图,例举往期文章可前往查看详情 ...

Python matplotlib 和PIL

前言

目录

文章目录

正文

一、matplotlib

二、PIL

Python matplotlib 和PIL相关推荐

最新文章

热门文章