精华内容
下载资源
问答
  • 我用OCV python编写了一个用于图像处理(眼睛静脉检测)的代码,它不起作用,有人能帮忙吗?在import os,sysimport numpy as npimport scipyimport cv2import PILimport Imageimport ImageChopsi=cv2.imread('eye....

    我用OCV python编写了一个用于图像处理(眼睛静脉检测)的代码,它不起作用,有人能帮忙吗?在import os,sys

    import numpy as np

    import scipy

    import cv2

    import PIL

    import Image

    import ImageChops

    i=cv2.imread('eye.jpg',0);

    cv2.imshow(i);

    j= cv2.medianBlur(i, 3);

    clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8,8));

    k= clahe.apply(j);

    kernel = np.ones((5,5),np.uint8);

    closing = cv2.morphologyEx(k, cv2.MORPH_CLOSE, kernel);

    h, w = i.shape[:2];

    seed_pt = None;

    mask = np.zeros((h+2, w+2), np.uint8);

    l=cv2.floodFill(k, mask, seed_pt, (255, 255, 255));

    o=ImageChops.difference(closing,l);

    (thresh, im_bw) = cv2.threshold(o, 128, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU);

    cv2.imshow(im_bw);

    '

    尤其是在读取.jpg文件(它读取一个.png文件)时遇到问题,imshow()函数无法工作,并且imagechops和otsu threshold函数会显示错误。在

    上面代码的matlab代码是(它工作得很好):

    ^{pr2}$

    '

    展开全文
  • Pillow是Python里的图像处理库(PIL:Python Image Library),提供了了广泛的文件格式支持,强大的图像处理能力,主要包括图像储存、图像显示、格式转换以及基本的图像处理操作等。颜色与RGBA值计算机通常将图像表示...

    Pillow是Python里的图像处理库(PIL:Python Image Library),提供了了广泛的文件格式支持,强大的图像处理能力,主要包括图像储存、图像显示、格式转换以及基本的图像处理操作等。

    颜色与RGBA值

    计算机通常将图像表示为RGB值,或者再加上alpha值(通透度,透明度),称为RGBA值。在Pillow中,RGBA的值表示为由4个整数组成的元组,分别是R、G、B、A。整数的范围0~255。RGB全0就可以表示黑色,全255代表黑色。可以猜测(255, 0, 0, 255)代表红色,因为R分量最大,G、B分量为0,所以呈现出来是红色。但是当alpha值为0时,无论是什么颜色,该颜色都不可见,可以理解为透明。

    from PIL import ImageColor

    print(ImageColor.getcolor(‘red‘, ‘RGBA‘))

    #也可以只以RBG的方式查看

    print(ImageColor.getcolor(‘black‘, ‘RGB‘))

    图像的坐标表示

    图像中左上角是坐标原点(0, 0),这和平常数学里的坐标系不太一样。这样定义的坐标系意味着,X轴是从左到右增长的,而Y轴是从上到下增长。

    在Pillow中如何使用上述定义的坐标系表示一块矩形区域?许多函数或方法要求提供一个矩形元组参数。元组参数包含四个值,分别代表矩形四条边的距离X轴或者Y轴的距离。顺序是(左,顶,右,底)。右和底坐标稍微特殊,表示直到但不包括。可以理解为[左, 右)和[顶, 底)这样左闭右开的区间。比如(3, 2, 8, 9)就表示了横坐标范围[3, 7];纵坐标范围[2, 8]的矩形区域。

    使用Pillow操作图像

    from PIL import Image

    im_path = r‘F:Jupyter Notebookcsv_time_datetime_PILabbit.jpg‘

    im = Image.open(im_path)

    width, height = im.size

    #宽高

    print(im.size, width, height)

    #格式,以及格式的详细描述

    print(im.format, im.format_description)

    im.save(r‘C:UsersAdministratorDesktopabbit_copy.jpg‘)

    im.show()

    im.size返回一个元组,分别是宽和高。show()方法会调用系统默认图像查看软件,打开并显示。im.format可查看图像的格式。save()可保存处理后的图片,如果未经处理,保存后的图像占用的空间(字节数)一般也与原图像不一样,可能经过了压缩。

    裁剪图像

    Image有个crop()方法接收一个矩形区域元组(上面有提到)。返回一个新的Image对象,是裁剪后的图像,对原图没有影响。

    im = Image.open(im_path)

    cropedIm = im.crop((700, 100, 1200, 1000))

    cropedIm.save(r‘C:UsersAdministratorDesktopcropped.png‘)

    调整图像的大小

    resize方法返回指定宽高度的新Image对象,接受一个含有宽高的元组作为参数。宽高的值得是整数。

    im = Image.open(im_path)

    width, height = im.size

    resizedIm = im.resize((width, height+(1920-1080)))

    resizedIm.save(r‘C:UsersAdministratorDesktopesize.png‘)

    展开全文
  • 前言文章主要介绍了Python图像处理模块ndimage用法,结合实例形式分析了Python图像处理模块ndimage基本功能及常见的图形运算操作实现技巧一 原始图像1 代码from scipy import miscfrom scipy import ndimageimport ...

    前言

    文章主要介绍了Python图像处理模块ndimage用法,结合实例形式分析了Python图像处理模块ndimage基本功能及常见的图形运算操作实现技巧

    一 原始图像

    1 代码

    from scipy import miscfrom scipy import ndimageimport matplotlib.pyplot as pltface = misc.face()#face是测试图像之一plt.figure()#创建图形plt.imshow(face)#绘制测试图像plt.show()#原始图像

    2 运行结果

    78897d3b30244716048db3cb091f580f.png

    二 高斯滤波

    1 代码

    from scipy import miscfrom scipy import ndimageimport matplotlib.pyplot as pltface = misc.face()#face是测试图像之一plt.figure()#创建图形blurred_face = ndimage.gaussian_filter(face, sigma=7)#高斯滤波plt.imshow(blurred_face)plt.show()

    2 运行结果

    61df3a5dd5f0de7fe333c68dbcce3d58.png

    三 边缘锐化处理

    1 代码

    from scipy import miscfrom scipy import ndimageimport matplotlib.pyplot as pltface = misc.face()#face是测试图像之一plt.figure()#创建图形blurred_face1 = ndimage.gaussian_filter(face, sigma=1)#边缘锐化blurred_face3 = ndimage.gaussian_filter(face, sigma=3)sharp_face = blurred_face3 +6*(blurred_face3-blurred_face1)plt.imshow(sharp_face)plt.show()

    2 运行结果

    f8b0e619579eae707e1dfee23281d8bc.png

    四 中值滤波

    1 代码

    from scipy import miscfrom scipy import ndimageimport matplotlib.pyplot as pltface = misc.face()#face是测试图像之一plt.figure()#创建图形median_face = ndimage.median_filter(face,7)#中值滤波plt.imshow(median_face)plt.show()

    2 运行结果

    6cec4d67c1a78c822f38d8ee98538edf.png

    最后多说一句,小编是一名python开发工程师,这里有我自己整理了一套最新的python系统学习教程,包括从基础的python脚本到web开发、爬虫、数据分析、数据可视化、机器学习等。想要这些资料的可以关注小编,并在后台私信小编:“01”即可领取。

    展开全文
  • Python 图像处理库 Pillow 入门(含代码)Pillow是Python里的图像处理库(PIL:Python Image Library),提供了了广泛的文件格式支持,强大的图像处理能力,主要包括图像储存、图像显示、格式转换以及基本的图像处理操作...

    Python 图像处理库 Pillow 入门(含代码)

    Pillow是Python里的图像处理库(PIL:Python Image Library),提供了了广泛的文件格式支持,强大的图像处理能力,主要包括图像储存、图像显示、格式转换以及基本的图像处理操作等。

    1)使用 Image 类

    PIL最重要的类是 Image class, 你可以通过多种方法创建这个类的实例;你可以从文件加载图像,或者处理其他图像, 或者从 scratch 创建。

    要从文件加载图像,可以使用open( )函数,在Image模块中:

    >>>from PIL importImage

    >>>im=Image.open("E:/photoshop/1.jpg")

    加载成功后,将返回一个Image对象,可以通过使用示例属性查看文件内容:

    >>>print(im.format,im.size,im.mode)

    ('JPEG',(600,351),'RGB')

    >>>

    format 这个属性标识了图像来源。如果图像不是从文件读取它的值就是None。size属性是一个二元tuple,包含width和height(宽度和高度,单位都是px)。 mode 属性定义了图像bands的数量和名称,以及像素类型和深度。常见的modes 有 “L” (luminance) 表示灰度图像, “RGB” 表示真彩色图像, and “CMYK” 表示出版图像。

    如果文件打开错误,返回 IOError 错误。

    只要你有了 Image 类的实例,你就可以通过类的方法处理图像。比如,下列方法可以显示图像:

    im.show()

    2)读写图像

    PIL 模块支持大量图片格式。使用在 Image 模块的 open() 函数从磁盘读取文件。你不需要知道文件格式就能打开它,这个库能够根据文件内容自动确定文件格式。要保存文件,使用 Image 类的 save() 方法。保存文件的时候文件名变得重要了。除非你指定格式,否则这个库将会以文件名的扩展名作为格式保存。

    加载文件,并转化为png格式:

    "Python Image Library Test"

    from PIL import Image

    import os

    import sys

    forinfileinsys.argv[1:]:

    f,e=os.path.splitext(infile)

    outfile=f+".png"

    ifinfile!=outfile:

    try:

    Image.open(infile).save(outfile)

    exceptIOError:

    print("Cannot convert",infile)

    save() 方法的第二个参数可以指定文件格式。

    3)创建缩略图

    缩略图是网络开发或图像软件预览常用的一种基本技术,使用Python的Pillow图像库可以很方便的建立缩略图,如下:

    # create thumbnail

    size=(128,128)

    forinfileinglob.glob("E:/photoshop/*.jpg"):

    f,ext=os.path.splitext(infile)

    img=Image.open(infile)

    img.thumbnail(size,Image.ANTIALIAS)

    img.save(f+".thumbnail","JPEG")

    上段代码对photoshop下的jpg图像文件全部创建缩略图,并保存,glob模块是一种智能化的文件名匹配技术,在批图像处理中经常会用到。

    注意:Pillow库不会直接解码或者加载图像栅格数据。当你打开一个文件,只会读取文件头信息用来确定格式,颜色模式,大小等等,文件的剩余部分不会主动处理。这意味着打开一个图像文件的操作十分快速,跟图片大小和压缩方式无关。

    4)图像的剪切、粘贴与合并操作

    Image 类包含的方法允许你操作图像部分选区,PIL.Image.Image.crop 方法获取图像的一个子矩形选区,如:

    # crop, paste and merge

    im=Image.open("E:/photoshop/lena.jpg")

    box=(100,100,300,300)

    region=im.crop(box)

    矩形选区有一个4元元组定义,分别表示左、上、右、下的坐标。这个库以左上角为坐标原点,单位是px,所以上诉代码复制了一个 200×200 pixels 的矩形选区。这个选区现在可以被处理并且粘贴到原图。

    region=region.transpose(Image.ROTATE_180)

    im.paste(region,box)

    当你粘贴矩形选区的时候必须保证尺寸一致。此外,矩形选区不能在图像外。然而你不必保证矩形选区和原图的颜色模式一致,因为矩形选区会被自动转换颜色。

    5)分离和合并颜色通道

    对于多通道图像,有时候在处理时希望能够分别对每个通道处理,处理完成后重新合成多通道,在Pillow中,很简单,如下:

    r,g,b=im.split()

    im=Image.merge("RGB",(r,g,b))

    对于split( )函数,如果是单通道的,则返回其本身,否则,返回各个通道。

    6)几何变换

    对图像进行几何变换是一种基本处理,在Pillow中包括resize( )和rotate( ),如用法如下:

    out=im.resize((128,128))

    out=im.rotate(45)# degree conter-clockwise

    其中,resize( )函数的参数是一个新图像大小的元祖,而rotate( )则需要输入顺时针的旋转角度。在Pillow中,对于一些常见的旋转作了专门的定义:

    out=im.transpose(Image.FLIP_LEFT_RIGHT)

    out=im.transpose(Image.FLIP_TOP_BOTTOM)

    out=im.transpose(Image.ROTATE_90)

    out=im.transpose(Image.ROTATE_180)

    out=im.transpose(Image.ROTATE_270)

    7)颜色空间变换

    在处理图像时,根据需要进行颜色空间的转换,如将彩色转换为灰度:

    cmyk=im.convert("CMYK")

    gray=im.convert("L")

    8)图像滤波

    图像滤波在ImageFilter 模块中,在该模块中,预先定义了很多增强滤波器,可以通过filter( )函数使用,预定义滤波器包括:

    BLUR、CONTOUR、DETAIL、EDGE_ENHANCE、EDGE_ENHANCE_MORE、EMBOSS、FIND_EDGES、SMOOTH、SMOOTH_MORE、SHARPEN。其中BLUR就是均值滤波,CONTOUR找轮廓,FIND_EDGES边缘检测,使用该模块时,需先导入,使用方法如下:

    from PIL import ImageFilter

    imgF=Image.open("E:/photoshop/lena.jpg")

    outF=imgF.filter(ImageFilter.DETAIL)

    conF=imgF.filter(ImageFilter.CONTOUR)

    edgeF=imgF.filter(ImageFilter.FIND_EDGES)

    imgF.show()

    outF.show()

    conF.show()

    edgeF.show()

    除此以外,ImageFilter模块还包括一些扩展性强的滤波器:

    class PIL.ImageFilter.GaussianBlur(radius=2)

    Gaussian blur filter.

    参数

    radius – Blur radius.

    class PIL.ImageFilter.UnsharpMask(radius=2, percent=150, threshold=3)

    Unsharp mask filter.

    See Wikipedia’s entry on digital unsharp masking for an explanation of the parameters.

    class PIL.ImageFilter.Kernel(size, kernel, scale=None, offset=0)

    Create a convolution kernel. The current version only supports 3×3 and 5×5 integer and floating point kernels.

    In the current version, kernels can only be applied to “L” and “RGB” images.

    参数:

    size – Kernel size, given as (width, height). In the current version, this must be (3,3) or (5,5).

    kernel – A sequence containing kernel weights.

    scale – Scale factor. If given, the result for each pixel is divided by this value. the default is the sum of the kernel weights.

    offset – Offset. If given, this value is added to the result, after it has been divided by the scale factor.

    class PIL.ImageFilter.RankFilter(size, rank)

    Create a rank filter. The rank filter sorts all pixels in a window of the given size, and returns therank‘th value.

    参数:

    size – The kernel size, in pixels.

    rank – What pixel value to pick. Use 0 for a min filter, size * size / 2 for a median filter, size * size - 1 for a max filter, etc.

    class PIL.ImageFilter.MedianFilter(size=3)

    Create a median filter. Picks the median pixel value in a window with the given size.

    参数:

    size – The kernel size, in pixels.

    class PIL.ImageFilter.MinFilter(size=3)

    Create a min filter. Picks the lowest pixel value in a window with the given size.

    参数:

    size – The kernel size, in pixels.

    class PIL.ImageFilter.MaxFilter(size=3)

    Create a max filter. Picks the largest pixel value in a window with the given size.

    参数:

    size – The kernel size, in pixels.

    class PIL.ImageFilter.ModeFilter(size=3)

    Create a mode filter. Picks the most frequent pixel value in a box with the given size. Pixel values that occur only once or twice are ignored; if no pixel value occurs more than twice, the original pixel value is preserved.参数:

    size – The kernel size, in pixels.更多详细内容可以参考:PIL/ImageFilter

    9)图像增强

    图像增强也是图像预处理中的一个基本技术,Pillow中的图像增强函数主要在ImageEnhance模块下,通过该模块可以调节图像的颜色、对比度和饱和度和锐化等:

    from PIL import ImageEnhance

    imgE=Image.open("E:/photoshop/lena.jpg")

    imgEH=ImageEnhance.Contrast(imgE)

    imgEH.enhance(1.3).show("30% more contrast")

    图像增强:

    class PIL.ImageEnhance.Color(image)

    Adjust image color balance.

    This class can be used to adjust the colour balance of an image, in a manner similar to the controls on a colour TV set. An enhancement factor of 0.0 gives a black and white image. A factor of 1.0 gives the original image.

    class PIL.ImageEnhance.Contrast(image)

    Adjust image contrast.

    This class can be used to control the contrast of an image, similar to the contrast control on a TV set. An enhancement factor of 0.0 gives a solid grey image. A factor of 1.0 gives the original image.

    class PIL.ImageEnhance.Brightness(image)

    Adjust image brightness.

    This class can be used to control the brighntess of an image. An enhancement factor of 0.0 gives a black image. A factor of 1.0 gives the original image.

    class PIL.ImageEnhance.Sharpness(image)

    Adjust image sharpness.

    This class can be used to adjust the sharpness of an image. An enhancement factor of 0.0 gives a blurred image, a factor of 1.0 gives the original image, and a factor of 2.0 gives a sharpened image.

    图像增强的详细内容可以参考:PIL/ImageEnhance

    除了以上介绍的内容外,Pillow还有很多强大的功能:

    PIL.Image.alpha_composite(im1, im2)

    PIL.Image.blend(im1, im2, alpha)

    PIL.Image.composite(image1, image2, mask)

    PIL.Image.eval(image, *args)

    PIL.Image.fromarray(obj, mode=None)

    PIL.Image.frombuffer(mode, size, data, decoder_name=’raw’, *args)

    展开全文
  • 欢迎关注“小白玩转Python”,发现更多 “有趣”引言膨胀与腐蚀是图像处理中两种最基本的形态学操作,膨胀将目标点融合到背景中,向外部扩展,腐蚀与膨胀意义相反,消除连通的边界,使边界向内收缩。在本文中我们将...
  • 1.图像读取使用cv2.imread(filepath,flags)读入图像filepath: 读入图像完整路径(绝对路径,相对路径)flags: 读入图像标志cv2.IMREAD_COLOR:默认参数,读入一副彩色图,忽略alpha通道;可以通过1指定cv2.IMREAD_...
  • 主要介绍了python 图像处理画一个正弦函数代码实例,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
  • 抠图是ps的最基本技能,利用python可以实现用一行代码实现灰度图抠图。基础算法是确定图像二值化分割阈值的大津法,将图像分成背景和前景两部分,最大化背景和前景之间的类间方差。具体理论部分可以搜索大津法了解...
  • 0 1 2 3 4 5 6 7 8 打乱后 5 8 2 4 6 3 1 7 0 3,程序设计步骤 Python处理图片切割 使用PIL中的crop()方法可以从一幅图像中裁剪指定区域。该区域使用四元组来指定,四元组的坐标依次是(左、上、右、下)。PIL中指定...
  • Python图像处理基础

    千次阅读 多人点赞 2018-01-19 11:38:10
    对我个人而言使用Python图像处理意在取代matlab,集中化使用Python环境保证之后在机器学习和OpenCV的使用上具有一致性,虽然从实验室师兄师姐的口中得知Python的图像处理较之matlab相对复杂(应该只是代码量的问题)...
  • python图像处理

    2020-07-15 15:26:08
    python图像处理 唉,烦死我了,继续打卡;练练代码就得了; 图像融合 加法运算 图像类型转换 图像加法运算 1 numpy库加法 其运算方法是:目标图像 = 图像1 + 图像2,运算结果进行取模运算。 当像素值<=255时,...
  • 2)Python扩展库pillow中ImageGrab模块提供了屏幕截图功能,Image提供了图像处理功能。可能的应用场景:通过网络传输图像时,可以压缩图像数据,减少带宽占用。下图是在背景比较简单的桌面上运行的效果:---------董...
  • 本文实例讲述了Python图像处理之图像的缩放、旋转与翻转实现方法。分享给大家供大家参考,具体如下:图像的几何变换,如缩放、旋转和翻转等,在图像处理中扮演着重要的角色,python中的Image类分别提供了这些操作的...
  • Python图像处理常用代码,numpy教程

    千次阅读 2016-11-04 21:13:33
    这里的代码是截取的我的代码片段,或许难以阅读,有不理解的地方欢迎交流 生成空列表及末尾添加x=[] x.append(img_path[j]) 字符串连接img_path=get_imlist('D:\\CK\\'+str(i)) #字符串连接 图像矩阵和一维数组转化 ...
  • python图像处理学习

    2020-07-15 15:47:50
    Python图像处理 python图像处理学习第三天打卡!!! 一 图像缩放 函数resize() 格式: cv2.resize(src,(160,160)) cv2.resize(src,None,fx=0.5,fy=0.5) 代码训练; import cv2 import numpy as np #读取图片 ...
  • 最近终于完结了图像处理的课程,打算利用几篇文章总结一下几个简单的模型和应用。首先第一篇也就是这篇总要是展示一下利用opencv用五行代码实现将图像转化为素描图,效果如下,第一张是原图,第二张是转换后的素描...
  • 抠图是ps的最基本技能,利用python可以实现用一行代码实现灰度图抠图。基础算法是确定图像二值化分割阈值的大津法,将图像分成背景和前景两部分,最大化背景和前景之间的类间方差。具体理论部分可以搜索大津法了解...
  • 计算三维重建的方法称为SfM(Structure from Motion).\ 假设计算机已经标定,计算重建的部分可以分为下面四个步骤:\ (1)、检测特征点,然后在两幅图间进行特征点匹配。\ (2)、有匹配算出基础矩阵。...
  • 该系列在github所有源代码: ...图像处理基础知识及OpenCV入门函数 [Python图像处理] 二.OpenCV+Numpy库读取与修改像素 [Python图像处理] 三.获取图像属性、兴趣ROI区域及通道...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 2,974
精华内容 1,189
关键字:

python图像处理代码

python 订阅