一、简介

实现计算机视觉任务的过程中，不可避免地需要对图像进行读写操作以及图像预处理操作，下面介绍两个常用的Python图像处理库：OpenCV和Pillow。

OpenCV全称是由英特尔公司资助的开源计算机视觉库。

它由一系列C函数和少量C＋＋类所组成，实现图像处理和计算机视觉方面的很多通用算法，例如特征检测与跟踪、运动分析、目标分割与识别以及3D重建等。
OpenCV作为基于C/C++语言编写的跨平台开源软件，可以运行在Linux、Windows、Android和MacOS操作系统上，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。

1.1 图像处理-OpenCV

OpenCV是模块结构的，有以下主要模块。

【core】–核心功能模块，包含内容有：OpenCV基本数据结构、动态数据结构、绘图函数、数组操作相关函数、辅助功能与系统函数和宏、与OpenGL的互操作。
【imgproc】–图像处理模块，包含内容有：线性和非线性的图像滤波、图像的几何变换、图像转换、直方图相关、结构分析和形状描述、运动分析和对象跟踪、特征检测、目标检测等内容。
【features2D】–2D功能模块，包含以下内容：特征检测和描述、特征检测器、描述符提取器等内容。
【highGUI】–高层GUI图形用户界面，包含：媒体的I/O输入输出、视频捕捉、图像和视频的编码解码、图形交互界面的接口等内容。

1.2 图像处理- PIL和Pillow

作为Python2的第三方图像处理库是Pillow的前身。随着Python3的更新，PIL移植到Python3更名为Pillow。与OpenCV一样，Pillow也是模块结构，主要包括以下结构。

【Image】–图像功能模块，包含内容有：读写图像、图像混合、图像放缩、图像裁切、图像旋转。
【ImageFilter】–图像滤波功能模块，包含内容有：各类图像滤波核。
【ImageEnhance】–图像增强功能模块，包含内容有：色彩增强、亮度增强、对比度增强、清晰度增强。
【ImageDraw】–图像绘画功能模块，包含内容有：绘制几何形状、绘制文字。

二、常用图像类型

2.1 二值图像

二值图像只有黑白两种颜色，如图所示。图像中的每个像素只能是黑或白，没有中间的过渡。因此二值图像的像素值只能为0或1，0表示黑色，1表示白色。

2.2 灰度图像

灰度图像只表达图像的亮度信息没有颜色信息，如（a）图所示。
灰度图像的每个像素点上只包含一个量化的灰度级（即灰度值）。
像素点的亮度水平如（b）图所示，通常使用1字节（8位二进制数）来存储灰度值，因此用正整数表示灰度值的范围是0~255。

2.3 RGB图像

RGB（Red、Green、Blue）图像如（a）图，可以看成是由多个RGB像素点组成。
每个彩色像素点分别由R、G、B三种颜色空间组成如（b）图，本质是3维数组。
在RGB颜色空间中，任意色光都可以用R、G、B三色不同分量的相加混合而成。

2.4 常用颜色空间简介

实际应用中常用的颜色空间很多，通常使用3个独立的变量对颜色进行描述，例如RGB、HSV、YUV等。
一个图像的不同的颜色空间是可以转换的，cv2.cvtColor可以实现颜色的转换。
• cv2.COLOR_BGR2GRAY
• cv2.COLOR_BGR2RGB
• cv2.COLOR_BGR2HSV
• cv2.COLOR_BGR2YUV
• cv2.COLOR_BGR2HLS

三、OpenCV图像读写与显示

通过OpenCV库对数字图像进行处理时，涉及到的基础操作包括读取、显示、写出图像文件。
在OpenCV库中，图像数据是以NumPy数组的形式存在。

3.1 读入图像

在python的OpenCV中，通过cv2.imread()函数读入图像数据，其基本使用格式如下。
cv2.imread(filename, flags)
在默认情况下通过cv2.imread()函数读入图像数据为3通道的彩色图，像素值为8位的非负整数，图像数据以NumPy中ndarray的方式存在。
如果定义了cv2.imread()读入模式为cv2.IMREAD_GRAYSCALE那么读入图像为单通道的灰度图。
需要注意的是，通过OpenCV读入彩色图像数据的颜色通道顺序为BGR（蓝、绿、红）并非常用的RGB（红、绿、蓝）顺序。
在OpenCV中，读取到的图像数组维度可以表示为：
（高，宽，通道数）即(height, width, channel)。OpenCV图像坐标与常规的数学坐标有区别，左上角位置为坐标原点。
• 在Windows【画图】工具中，帽檐红点坐标为(248, 102)，但在OpenCV中像素位置应为(102, 248)。
• X轴 == 列位置 == 图像宽
• Y轴 == 行位置 == 图像高

3.2 显示图像

在OpenCV中，通过cv2.imshow()函数显示图像数据，其基本使用格式如下。
cv2.imshow(winname, img)
在OpenCV中，通过cv2.waitKey()函数设置图片窗口显示时长，其基本使用格式如下。
cv2.waitKey([,delay])
waitKey作用是图像显示时等待用户按键触发，如果用户按键触发或时间超过了设置的时间则退出图片展示。
cv2.waitKey(0)的作用是令程序一直停留在显示图像的状态。如果没有增加cv2.waitKey(0)，那么程序运行完毕后，图像显示窗口会自动关闭，即一闪而逝。

3.3 写出图像

在OpenCV中，通过cv2.write()函数保存图像数据，其基本使用格式如下。
cv2.imwrite(filename, img)

import cv2
import matplotlib.pyplot as plt
import numpy# 读写图像
img = cv2.imread(filename='lena.jpg', flags=cv2.IMREAD_GRAYSCALE)
img.shape
# (377, 373)
img.dtype
# dtype('uint8')# 图像展示
cv2.imshow(winname='lena', mat=img)
cv2.waitKey(0)# 图像保存
cv2.imwrite(filename='test_img.jpg', img=img)

四、图像几何变换

4.1 图像平移

图像平移变换将一幅图像中的所有像素点都按照给定的偏移量在水平方向（沿x轴方向）或垂直方向（沿y轴方向）移动，是图像几何变换中较为简单的一种变换。
图像平移原理示意图如下图所示。
假设对点P_0 (x_0,y_0 )进行平移后得到点P(x,y)，其中x方向的平移量为∆x，y方向的平移量为∆y ，则点P(x,y)的坐标如下式。
利用齐次坐标表示图像平移变换前后点P_0 (x_0,y_0 )到点P(x,y)的关系如下式所示。

实现步骤：
1. 定义平移变换矩阵：例如：np.float32([[1,0,50], [0,1,100]])

• [1,0,50]表示在x轴方向移动50个单位
• [0,1,100]表示在y轴方向移动100个单位
2. 执行转换：cv2.warpAffine (src, M, dsize)

通过OpenCV实现图像平移操作，结果如下图所示，（a）为原图和（b）为平移后图像。

import cv2
import matplotlib.pyplot as plt
import numpy as npimg = cv2.imread('lena.jpg')
height, width, channel = img.shape
# 图像平移
# 1、定义平移变换矩阵
M = np.float32([[1,0,50], [0,1,100]])
# 2、执行平移变换
img_tran = cv2.warpAffine(src=img, M=M, dsize=(height, width))
cv2.imshow('image translation', img_tran)
cv2.waitKey(0)

4.2 图像旋转

图像旋转（Rotation）是指图像以某一点为中心旋转一定的角度形成一幅新的图像的过程。通常是以图像的中心为圆心旋转，将图像中的所有像素点都旋转一个相同的角度。
图像旋转原理如图所示，将点(x_0,y_0)绕原点o顺时针旋转至点(x_1,y_1 )，其中a为旋转角，r为点(x_0,y_0 )到原点的距离， b为原点o到点(x_0,y_0 )的线段与x轴之间的夹角。在旋转过程中， r保持不变。
设旋转前，x_0、y_0的坐标分别为x_0=r cos⁡b、y_0=r sin⁡b，当旋转a角度后，坐标x_1、y_1的值分别如下式所示。

上式的矩阵的形式如下式所示。

实现步骤：
1. 计算旋转变换矩阵： cv2.getRotationMatrix2D (center, angle, scale)
2. 执行转换：cv2.warpAffine (src, M, dsize)

通过OpenCV实现图像旋转，得到的效果如图所示。

# 图像旋转
# 1、定义旋转变换矩阵
M = cv2.getRotationMatrix2D(center=(height*0.5, width*0.5), # 旋转的中心位置坐标angle=45,   # 旋转的角度scale=0.8   # 缩放比例)
# 2、执行旋转变换
img_rotation = cv2.warpAffine(img, M, dsize=(height,width))
cv2.imshow('image_rotation', img_rotation)
cv2.waitKey(0)

4.3 图像缩放

图像比例缩放是指将给定的图像在x轴方向按比例缩放f_x倍，在y轴方向按比例缩放f_y倍，从而获得一幅新的图像。如果f_x=f_y，即x轴方向和y轴方向缩放的比率相同，此比例缩放为图像的全比例缩放。如果f_x≠f_y，那么图像的比例缩放会改变原始图像的像素间的相对位置，产生几何畸变。
在OpenCV中cv2.resize(src, dsize, fx, fy, interpolation)可以实现图像缩放。
具体实现图像缩放有多种插值方法，OpenCV的resize函数提供了如下5种常见方法。
• 最邻近插值：cv2.INTER_NEAREST
• 双线性插值：cv2.INTER_LINEAR
• 区域插值：cv2.INTER_AREA
• 三次样条插值：cv2.INTER_CUBIC
• Lanczos插值：cv2.INTER_LANCZOS4

# 图像缩放
# 1、直接指定缩放大小
img_res = cv2.resize(img, dsize=(244,244))
img_res.shape
# (244, 244, 3)
cv2.imshow('image_resize', img_res)
cv2.waitKey(0)# 2、最近邻插值
img_near = cv2.resize(img, dsize=None, fx=1.5, fy=1,interpolation=cv2.INTER_NEAREST)
cv2.imshow('img_near', img_near)
cv2.waitKey(0)

Python图像处理相关推荐

python图像切面numpy_十个Python图像处理工具，不可不知！
原标题:十个Python图像处理工具,不可不知! 这些Python库提供了一种简单直观的方法来转换图像并理解底层数据. 今天的世界充满了数据,图像是这些数据的重要组成部分.但是,在使用它们之前,必须对 ...
干货整理！10个Python图像处理工具，入门必看，提效大法
点击上方"AI遇见机器学习",选择"星标"公众号重磅干货,第一时间送达在图像处理领域,一库在手,相当于天下已有.但是今天给大家推荐10个好用的库,快来看看有 ...
python图片-Python图像处理
图像处理本章工作任务 u 任务1:了解Pillow库的基本操作 u 任务2:掌握图像格式转换 u 任务3:掌握改变图像尺寸 u 任务4:掌握剪裁图像 u 任务5:掌握滤镜处理本章技能目标及重难点 ...
python动态图-Python图像处理之gif动态图的解析与合成操作详解
本文实例讲述了Python图像处理之gif动态图的解析与合成操作.分享给大家供大家参考,具体如下: gif动态图是在现在已经司空见惯,朋友圈里也经常是一言不合就斗图.这里,就介绍下如何使用python ...
python绘制动态图-Python图像处理之gif动态图的解析与合成操作详解
本文实例讲述了Python图像处理之gif动态图的解析与合成操作.分享给大家供大家参考,具体如下: gif动态图是在现在已经司空见惯,朋友圈里也经常是一言不合就斗图.这里,就介绍下如何使用python ...
python3d动态图-Python图像处理之gif动态图的解析与合成操作详解
本文实例讲述了Python图像处理之gif动态图的解析与合成操作.分享给大家供大家参考,具体如下: gif动态图是在现在已经司空见惯,朋友圈里也经常是一言不合就斗图.这里,就介绍下如何使用python ...
Python图像处理库PIL -- 学习资源
Resources 官方指南PIL Handbook(建议看英文,翻译) pil下载安装中文指南 from the PythonWare PIL home page 推荐先看Python Imagi ...
【python图像处理】】python绘制散点图
python中用于绘图是matplotlib模块中的pyplot类,直接使用plot()函数绘制出的是折线图.而绘制散点图使用的是scatter()函数. 直接看下面的代码 #-*- coding: ...
【python图像处理】两幅图像的合成一幅图像（blending two images）
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.ble ...
【python图像处理】图像的读取、显示与保存
python作为机器学习和图像处理的利器,收到越来越多的推崇,特别是在图像处理领域,越来越多的研究和开发开始转向使用python语言,下面就介绍python图像处理中最基本的操作,即图像的读取显示与保 ...

Python图像处理

一、简介

1.1 图像处理-OpenCV

1.2 图像处理- PIL和Pillow

二、常用图像类型

2.1 二值图像

2.2 灰度图像

2.3 RGB图像

2.4 常用颜色空间简介

三、OpenCV图像读写与显示

3.1 读入图像

3.2 显示图像

3.3 写出图像

四、图像几何变换

4.1 图像平移

4.2 图像旋转

4.3 图像缩放

Python图像处理相关推荐

最新文章

热门文章

Python图像处理

一、简介

1.1 图像处理-OpenCV

1.2 图像处理- PIL和Pillow

二、 常用图像类型

2.1 二值图像

2.2 灰度图像

2.3 RGB图像

2.4 常用颜色空间简介

三、OpenCV图像读写与显示

3.1 读入图像

3.2 显示图像

3.3 写出图像

四、图像几何变换

4.1 图像平移

4.2 图像旋转

4.3 图像缩放

Python图像处理相关推荐

最新文章

热门文章

二、常用图像类型