《Python 计算机视觉编程》学习笔记（一）

第 1 章 基本的图像操作和处理

1.1 PIL： Python图像处理类库

PIL（Python Imaging Library Python，图像处理类库）提供了通用的图像处理功能，以及大量有用的基本图像操作，比如图像缩放、裁剪、旋转、颜色转换等。

图像读取、显示、显示对应灰度图

1.1.1　转换图像格式

例：

from PIL import Image

image = Image.open('远景.jpg')

image.save(‘远景’.jpg')

save（）:将图像保存成多种格式文件

(PIL会进行检查，将不是JPEG的文件自动转换为JPEG)

1.1.2　创建缩略图

1.1.3　复制和粘贴图像区域

1.1.4　调整尺寸和旋转

1.2 Matplotlib

我们处理数学运算、绘制图表，或者在图像上绘制点、直线和曲线时，Matplotlib是个很好的类库，具有比PIL更强大的绘图功能。

1.2.1　绘制图像、点和线

1.2.2　图像轮廓和直方图

1.2.3　交互式标注

1.3　NumPy

NumPy（http://www.scipy.org/NumPy/）是非常有名的Python科学计算工具包，其中包含了大量有用的思想，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。NumPy中的数组对象几乎贯穿用于本书的所有例子中1数组对象可以帮助你实现数组中重要的操作，比如矩阵乘积、转置、解方程系统、向量乘积和归一化，这为图像变形、对变化进行建模、图像分类、图像聚类等提供了基础。

1.3.1　图像数组表示

每行的第一个元组表示图像数组的大小（行、列、颜色通道），紧接着的字符串表示数组元素的数据类型。因为图像通常被编码成无符号八位整数（uint8），所以在第一种情况下，载入图像并将其转换到数组中，数组的数据类型为“uint8”。在第二种情况下，对图像进行灰度化处理，并且在创建数组时使用额外的参数；该参数将数据类型转换为浮点型。

1.3.2　灰度变换

1.3.3　图像缩放

def imresize(im,sz):

"""使用PIL对象重新定义图像数组的大小"""

pil_im = Image.fromarray(uint8(im))

return array(pil_im.resize(sz))

1.3.4　直方图均衡化

def histeq(im,nbr_bins=256):

"""对一幅灰度图像进行直方图均衡化"""

#计算图像的直方图

imhist,bins = histogram(im.flatten(),nbr_bins,normed=True)

cdf = imhist.cumsum() # cumulative distribution function

cdf = 255 * cdf / cdf[-1] # 归一化

# 使用累积分布函数的线性插值，计算新的像素值

im2 = interp(im.flatten(),bins[:-1],cdf)

return im2.reshape(im.shape), cdf

from PIL import Image

from numpy import *

im = array(Image.open('C:\\Users\\psen2\\Pictures\\Camera Roll\\1.jpg').convert('L'))

im2,cdf = imtools.histeq(im)

1.3.5　图像平均

def compute_average(imlist):

"""计算图像列表的平均图像"""

# 打开第一幅图像，将其存储在浮点型数组中

averageim = array(Image.open(imlist[0]), 'f')

for imname in imlist[1:]:

try:

averageim += array(Image.open(imname))

except:

print( imname + '...skipped')

averageim /= len(imlist)

# 返回uint8类型的平均图像

return array(averageim, 'uint8')

1.4　SciPy

SciPy（http://scipy.org/）是建立在NumPy基础上，用于数值运算的开源工具包。SciPy提供很多高效的操作，可以实现数值积分、优化、统计、信号处理，以及对我们来说最重要的图像处理功能。