图像转数组_NumPy 图像处理的 3 个入门玩法

↑ 关注 + 星标 ，后台回复【大礼包】送你2TPython自学资料

好消息：Python学习交流群，已经建立，猛戳加入

今天使用 NumPy 和 PIL 处理一幅图像，先介绍 3 种最基本的玩法，目的是希望通过此文建立图像处理的基本概念，算是一个图像处理的基本入门。

1 PIL 导入图像

首先使用 PIL 导入我们待处理的图像。

from PIL import Image  
import numpy as np

im = Image.open("jianzhu.jpg")
im.show() 

显示结果：

打印 im 对象类型：

type(im)

im 类型为：

PIL.JpegImagePlugin.JpegImageFile

我们使用 NumPy 将其转化为 array:

img = np.array(im)      # image类 转 numpy
img[:3] # 打印前三行

结果为：

array([[[197, 208, 226],
        [197, 208, 226],
        [198, 209, 227],
        ...,
        [216, 213, 222],
        [207, 208, 226],
        [203, 210, 228]],

       [[201, 212, 230],
        [201, 212, 230],
        [202, 213, 231],
        ...,
        [203, 190, 182],
        [213, 204, 205],
        [205, 203, 204]],

       [[196, 207, 225],
        [196, 207, 225],
        [196, 207, 225],
        ...,
        [152, 131, 102],
        [158, 141, 121],
        [141, 130, 108]]], dtype=uint8)

打印 img 的 shape :

img.shape

(1120, 1494, 3)：分别表示图像的高、宽、3个颜色(RGB)通道。

2 分离通道

如何直观理解 RGB 三个颜色通道呢？我们使用 NumPy 尝试分离 3 个颜色通道。

tmp_img0 = np.zeros(img.shape,dtype='uint8')
tmp_img0[:,:,0] = img[:,:,0] # 提取第一个通道
tmp_im0=Image.fromarray(tmp_img0) # numpy 转 image类
tmp_im0.show() 

显示结果，红色背景，符合预期：

同理分别分离出第二颜色通道：

tmp_img1 = np.zeros(img.shape,dtype='uint8')
tmp_img1[:,:,1] = img[:,:,1]
tmp_im1=Image.fromarray(tmp_img1) # numpy 转 image类
tmp_im1.show() 

第三颜色通道：

tmp_img2 = np.zeros(img.shape,dtype='uint8')
tmp_img2[:,:,2] = img[:,:,2]
tmp_im2=Image.fromarray(tmp_img2) # numpy 转 image类
tmp_im2.show() 

3 裁剪图像

我们直接切片 img 数组，

img_slice = img[500:1000,300:700,:] # 切片图像
img_slice2 = Image.fromarray(img_slice)
img_slice2.show()

得到裁剪后的图像：

以上介绍主要包括：

• 使用 PIL 导入图像，NumPy 转为数组
• NumPy 分离颜色通道
• NumPy 裁剪图像

推荐两个团队技术号

Github研习社:目前是由国内985博士，硕士组成的团体发起并运营，主要分享和研究业界开源项目，学习资源，程序设计，学术交流。回复就无套路送你一份自学大礼包。机器学习研习社目前是由国内985博士，硕士组成的团体发起并运营。主要分享和研究机器学习、深度学习、NLP 、Python，大数据等前沿知识、干货笔记和优质资源。回复就无套路送你一份机器学习大礼包。

推荐阅读再见，“阿里三代掌门人”蒋凡！

如果你觉得文章有帮助，点个“好看”