python生成灰度图

最新推荐文章于 2025-06-05 16:05:47 发布
最新推荐文章于 2025-06-05 16:05:47 发布
阅读量1.3w 收藏 11
点赞数 1
CC 4.0 BY-SA版权
分类专栏： 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/vincent2610/article/details/77850545
本文介绍如何使用Python中的PIL库加载图像，并将其转换为灰度显示。首先将图像文件读取为NumPy数组，如果图像有多个通道，则仅保留红色通道的数据。最后使用Matplotlib进行灰度图像展示。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

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

img = Image.open('lena.jpg')
img = np.array(img)
if img.ndim == 3:
    img = img[:,:,0]

plt.imshow(img, cmap = plt.cm.gray_r)
plt.show()
Python中使用PIL快速实现灰度图源码以及资源
12-26
Python中使用PIL快速实现灰度图源码以及资源
python代码——批量生成灰度图片
qq_39542170的博客
10-30 664
from PIL import Image import os import glob # 图像存储位置.*/ input_dir = 'J:/project/images/' # 文件存放位置.*/ out_dir = 'J:/project/output/' img_Lists = glob.glob(input_dir + '/*.jpg') img_basenames = [] # e.g. 100.jpg for item in img_Lists: img_basenames.ap
Python图像灰度化处理：原理、方法与实战
Dxy1239310216的博客
06-05 1087
本文详细介绍了Python中实现图像灰度化的多种方法，包括使用OpenCV、Pillow库以及手动NumPy实现。文章首先解释了灰度化的基本原理和常见转换方法（平均值法、加权平均法、亮度法），然后通过代码示例演示了不同库的具体实现方式，并对各方法的优缺点进行了对比。此外，还介绍了自适应灰度化等高级技巧和性能优化建议。灰度化在图像预处理、OCR、特征提取等领域有广泛应用，是计算机视觉处理的基础操作。本文内容全面，既有理论说明又有实践指导，适合不同层次的读者学习参考。
python生成灰度图像_python-OpenCV 实现将数组转换成灰度图和彩图
weixin_39992312的博客
12-05 764
主要步骤1.生成普通python数组(bytearray(),os.urandom())2.转换成numpy数组(numpy.array())3.通过reshape将数组转换到所需的维数4.以图像的形式显示出来(cv.imshow())代码import osimport cv2 as cvimport numpy as np# Make an array of 120000 random byte...
用Python自动生成不同灰阶的固定尺寸图片
sunny
08-17 467
这段代码将生成一个256x256像素的图片，其中包含4个不同的灰阶值（0、85、170和255）。你可以根据需要修改图片尺寸和灰阶值列表。要使用Python自动生成不同灰阶的固定尺寸图片，可以使用Pillow库。
python灰度图生成g代码_用python提取G代码g code中的坐标XYZ数据
weixin_39955700的博客
12-08 1080
python提取G代码g code中的坐标XYZ数据python3.7版本主要使用了regex库匹配所需要的坐标值。活不多说，直接上代码：首先是我输入的G代码大概如下格式(这里简单贴部分)G00 X 0.0000 Y 0.0000 Z 5.0000M03G00 X -1.8759 Y 14.4227 Z 5.0000G01 X -1.8759 Y 14.4227 Z 0.0000 F 600.0G...
Python+opencv绘制测试标版(棋盘格、纯色、十字叉心、灰度)+gamma曲线拟合
m0_71007443的博客
09-01 980
【代码】Python+opencv绘制测试标版(棋盘格、纯色、十字叉心)
Python学习：图片转换为灰度图
算法之美
11-25 5560
在文件夹下，提取目录下所有图片,归一化图片为灰度图，具体要求可自己进行修改和设计
一：使用数组生成黑白图片
songtao.yu
03-26 676
使用cv2.cvtColor函数把这幅图像转换成蓝–绿–红 （在opencv中，通道的顺序一般是BGR，是逆序的）在0～255的范围内，其中0表示黑色，255表示白色，中间的值表示灰。每个像素都用一个8位整数表示，这意味着每个像素的值都。通过简单地创建一个二维NumPy数组。3.使用切片操作修改图像的颜色。cvtColor类型转换函数。
python将矩阵转化为灰度图
m0_72958694的博客
05-24 1494
python将矩阵转化为灰度图的方法示例。
Python把二维numpy数组转变为灰度图
weixin_36670529的博客
03-26 1万+
from PIL import Image # image_array是归一化的二维浮点数矩阵 image_array *= 255 # 变换为0-255的灰度值 im = Image.fromarray(image_array) im = im.convert('L') # 这样才能转为灰度图，如果是彩色图则改L为‘RGB’ im.save('outfile.png') 承接Matlab、Python和C++的编程，机器学习、计算机视觉的理论实现及辅导，本科和硕士的均可，咸鱼交易，专业回答请走知乎.
python图像数组操作与灰度变换
weixin_34208185的博客
01-27 2235
Python图像数组操作与灰度变换 使用python以及numpy通过直接操作图像数组完成一系列基本的图像处理 numpy简介： NumPy是一个非常有名的 Python 科学计算工具包,其中包含了大量有用的工具,比如数组对象(用来表示向量、矩阵、图像等)以及线性代数函数。 数组对象可以实现数组中重要的操作,比如矩阵乘积、转置、...
Python PIL创建8bit以及16bit灰度图
春眠不觉晓
06-10 539
from PIL import Imagewidth = 320height = 240img_gray_8 = Image.new('L', (width, height), 128)img_gray_16 = Image.new('I;16', (width, height), 128)img_gray_8.save("img_gray_8.bmp")img_gray_16.save("img...
灰度变换（python）
充满焦虑的大学生
03-14 1734
corrected_image=(corrected_image*255).astype(np.uint8)和前面一样，先将值重新回到整数范围，之后进行归一化。img.shape 用于获取图像的尺寸信息，如果'img'是彩色图像，则返回三个值的元组(高，宽，通道数).如果'img'是灰度图像，则返回元组的高和宽。cv2.imshow('img', img)，第一个参数'img'是显示窗口的名称，第二个参数'img'是要显示的图像数据。灰度级在区间[0,L-1]内的反转图像的形式为：s=L-1-r。
python灰度图
qq_42833469的博客
11-27 4585
任务描述 背景 　　真彩色图像和灰度图像是数字图像的两种常见类型，如下图所示，左图是真彩色图像，右图是灰度图像。 　　 在真彩色图像中，像素颜色是 RGB 颜色，每个颜色包含 R、G、B 三个颜色分量。而在灰度图像中，像素颜色只有一个分量，称为灰度值，其取值是 [0,255] 之间的整数，灰度值越小，灰度越暗（越黑），反之越亮（越白）。 任务 　　本关任务是补全程序，使程序能将一幅真彩色图像转换成灰度图像。说明如下： 　　1）求得的灰度值需要转换成整数，请使用round函数取整，如round(3.7)是
python生成灰度图像_Python图像处理中的图像灰度化,python,之
weixin_42497828的博客
02-10 2255
灰度化预备知识在了解图像处理的基本操作之前，我们需要知道关于图像的一些基本知识。我们这里所说的图像处理实质上是数字图像处理，因为计算机只能对数字信号进行处理，因此存储在计算机中的图像都是实际图像经过离散化处理之后得到的。图像是以数组的形式存储在计算机中间的，对于彩色图像而言，存储形式是三个离散的二维数组，每个数组对应一个颜色通道，具体在python中，图像的数据结构为numpy数组。这里需要注意的...
Opencv+python3学习--生成随机灰度图和彩图
USTB人海的博客
09-29 2427
    将随机字节的bytearray转换成灰度图或者彩图。灰度图为单通道图，每个像素一个字节，8位，范围0-255，代表灰度值。灰度图是一个二维数组。彩图三通道，每个像素有三个字节，每个字节分别代表BLUE,GREEN,RED三种颜色的值，8位，范围0-255，彩图是一个三维数组。     在opencv3+python3中，cv2.imwrite()不能保存路径含中文的图片。     附代...
【Python开发】python PIL读取图像转换为灰度图及另存为其它格式（也可批量改格式）...
weixin_30379911的博客
10-01 651
例如有一幅图，文件名为“a.jpg’. 读取： from PIL import Image #或直接import Image im = Image.open('a.jpg') 将图片转换成灰度图 ：im1 = im.convert('L') 所以 打开图片并转换成灰度图的方法是：...
图像处理（1）：用Python实现彩色图像转为灰度图像的两种方法以及批量将图片转为灰度图
热门推荐
分享工作学习知识。
08-19 1万+
这篇文章给大家主要介绍使用Python将彩色图像转为灰度图像的两种方法。
python 生成灰度图
最新发布
07-11
<think>我们使用Python生成灰度图有多种方法，这里将介绍两种常用方法：使用PIL库和matplotlib库。 1. 使用PIL（Pillow）库生成灰度图。 2. 使用matplotlib生成灰度图（例如灰度热力图）。 注意：灰度图通常只有一个通道，每个像素值在0（黑）到255（白）之间。 下面分别给出两种方法的代码示例。</think>### Python 生成灰度图的完整指南 #### 1. 使用 PIL/Pillow 库生成灰度图 ```python from PIL import Image, ImageDraw # 创建全新灰度图像 width, height = 400, 300 grayscale_img = Image.new('L', (width, height)) # 'L' 表示8位灰度 # 绘制渐变效果 draw = ImageDraw.Draw(grayscale_img) for y in range(height): for x in range(width): # 计算灰度值 (0-255) gray_value = int((x/width + y/height) * 128) draw.point((x, y), fill=gray_value) # 添加文字标注 draw.text((20, 20), "Python灰度图", fill=255) # 白色文字 # 保存图像 grayscale_img.save('gradient_grayscale.png') print("已生成渐变灰度图: gradient_grayscale.png") ``` #### 2. 使用 OpenCV 生成灰度图 ```python import cv2 import numpy as np # 创建空白灰度图像 gray_img = np.zeros((300, 400), dtype=np.uint8) # 添加圆形渐变 for y in range(300): for x in range(400): # 计算到中心点的距离 dist = np.sqrt((x-200)**2 + (y-150)**2) gray_img[y, x] = min(255, int(dist)) # 添加文字 cv2.putText(gray_img, 'OpenCV灰度图', (50, 50), cv2.FONT_HERSHEY_SIMPLEX, 0.8, 255, 2) # 保存图像 cv2.imwrite('opencv_grayscale.png', gray_img) print("已生成OpenCV灰度图: opencv_grayscale.png") ``` #### 3. 使用 Matplotlib 生成灰度热力图 ```python import matplotlib.pyplot as plt import numpy as np # 生成数据 data = np.random.rand(10, 10) * 255 # 0-255的随机值 # 创建灰度图 fig, ax = plt.subplots(figsize=(8, 6)) im = ax.imshow(data, cmap='gray', vmin=0, vmax=255) # 添加颜色条 cbar = fig.colorbar(im, ax=ax) cbar.set_label('灰度值') # 添加标题和坐标 plt.title('Matplotlib灰度热力图') plt.xlabel('X轴') plt.ylabel('Y轴') # 保存为高分辨率灰度图 plt.savefig('matplotlib_grayscale.png', dpi=300, facecolor='none', bbox_inches='tight') plt.close() print("已生成Matplotlib灰度图: matplotlib_grayscale.png") ``` #### 4. 彩色图转灰度图的三种方法 ```python from PIL import Image import cv2 import numpy as np # 原始彩色图 color_img = Image.open('color_image.jpg') # 方法1: PIL转换 (Luminosity公式) grayscale_pil = color_img.convert('L') grayscale_pil.save('converted_pil.jpg') # 方法2: OpenCV转换 (加权平均法) color_cv = cv2.imread('color_image.jpg') grayscale_cv = cv2.cvtColor(color_cv, cv2.COLOR_BGR2GRAY) cv2.imwrite('converted_cv.jpg', grayscale_cv) # 方法3: NumPy手动转换 (自定义权重) color_np = np.array(color_img) # 使用ITU-R BT.709标准权重 grayscale_np = np.dot(color_np[..., :3], [0.2126, 0.7152, 0.0722]).astype(np.uint8) Image.fromarray(grayscale_np).save('converted_numpy.jpg') ``` #### 5. 高级灰度处理技巧 ```python from PIL import Image, ImageOps, ImageFilter # 读取灰度图 img = Image.open('grayscale.png').convert('L') # 直方图均衡化增强对比度 img_eq = ImageOps.equalize(img) # 添加高斯模糊 img_blur = img.filter(ImageFilter.GaussianBlur(radius=2)) # 边缘检测 img_edges = img.filter(ImageFilter.FIND_EDGES) # 保存处理结果 img_eq.save('equalized.png') img_blur.save('blurred.png') img_edges.save('edges.png') # 创建多图对比 comparison = Image.new('L', (img.width*3, img.height)) comparison.paste(img, (0, 0)) comparison.paste(img_eq, (img.width, 0)) comparison.paste(img_edges, (img.width*2, 0)) comparison.save('grayscale_comparison.png') ``` ### 灰度图生成最佳实践 1. **位深度选择**： - 8位灰度 (0-255)：`'L'` 模式 - 16位灰度 (0-65535)：使用 `np.uint16` 数组 2. **文件格式**： - PNG：无损压缩，适合图表 - JPEG：有损压缩，适合照片 - TIFF：支持16位深度 3. **元数据**： ```python from PIL import Image img = Image.open('grayscale.png') exif = img.getexif() exif[0x0112] = 1 # 设置方向标签 img.save('with_exif.png', exif=exif) ```
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值