python图像处理:像素处理

最新推荐文章于 2025-07-11 09:15:04 发布

原创最新推荐文章于 2025-07-11 09:15:04 发布 · 2.5w 阅读

61 ·

CC 4.0 BY-SA版权

文章标签：

#python #图像处理

Python 专栏收录该内容

10 篇文章

订阅专栏

本文介绍如何使用Python中的PIL库打开图像文件，并将其转换为矩阵形式以便进行复杂的图像处理任务。文章详细展示了添加椒盐噪声及图像二值化的具体实现过程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

利用Imgae.open()打开图像,再利用PIL对象进行操作。这样只是简单的处理，一旦操作复杂就比较困难。而像素级的处理与许多复杂操作相关。所以，通常我们在加载完图片后，都是把图片转换成矩阵来进行复杂操作。

一般情况，在pyton中进行数字图像处理，都需要导入这些包：

from PIL import Image
import numpy as np
import matplotlib.pyplot as plt

打开并转换图像成矩阵，并显示：

from PIL import Image
import numpy as np
import matplotlib.pyplot as plt
img=np.array(Image.open('/home/keysen/caffe/examples/images/cat.jpg')) #打开图像并转化为数字矩阵
plt.figure('cat')
plt.imshow(img)
plt.axis('off')
plt.show()

调用numpy中的array()函数就可以将PIL对象转换为数组对象。图片信息：

print (img.shape)
print (img.dtype)
print (img.size)
print (type(img))

output

(360, 480, 3)
uint8
518400
< type ‘numpy.ndarray’ >

如果是RGB图片，那么转换为array之后，就变成了一个rows*cols*channels的三维矩阵，因此，我们可以使用img[i,j,k]来访问像素值。

示例1:打开图片，并随机添加一些椒盐噪声

from PIL import Image
import numpy as np
import matplotlib.pyplot as plt
img=np.array(Image.open('/home/keysen/caffe/examples/images/cat.jpg')) #打开图像并转化为数字矩阵

#随机生成5000个椒盐
rows,cols,dims=img.shape
for i in range(5000):
    x=np.random.randint(0,rows)
    y=np.random.randint(0,cols)
    img[x,y,:]=255

plt.figure("cat_salt")
plt.imshow(img)
plt.axis('off')
plt.show()

output

示例2：将图像二值化，像素值大于128的变为1，否则变为0

from PIL import Image
import numpy as np
import matplotlib.pyplot as plt
img=np.array(Image.open('/home/keysen/caffe/examples/images/cat.jpg').convert('L')) #打开图像并转化为数字矩阵

rows,cols=img.shape
for i in range(rows):
    for j in range(cols):
        if (img[i,j]<=128):
            img[i,j]=0
        else:
            img[i,j]=1

plt.figure("cat_black&white")
plt.imshow(img,cmap='gray')
plt.axis('off')
plt.show()

output

如果要对多个像素点进行操作，可以使用数组切片方式访问。切片方式返回的是以指定间隔下标访问该数组的像素值。下面是有关灰度图像的一些例子：

img[i,:] = im[j,:] # 将第 j 行的数值赋值给第 i 行

img[:,i] = 100 # 将第 i 列的所有数值设为 100

img[:100,:50].sum() # 计算前 100 行、前 50 列所有数值的和

img[50:100,50:100] # 50~100 行，50~100 列（不包括第 100 行和第 100 列）

img[i].mean() # 第 i 行所有数值的平均值

img[:,-1] # 最后一列

img[-2,:] (or im[-2]) # 倒数第二行