如何利用Python 图像库完成各种图像处理任务？
安装了PIL后，我们现在可以转到代码了。首先，我们使用一些 matplotlib 函数。import matplotlib．image as img
import matplotlib．pyplot as plt
import numpy as np
％matplotlib inline
将读取以下图像。它被命名为 image1．jpg。
＃ reading jpg image
img ＝ img．imread（＇image1．jpg＇）
plt．imshow（img）
图像被读取。＃ modifying the shape of the image
lum1 ＝ img［：， ：， 0］
plt．imshow（lum1）
现在修改了图像形状。
现在我们将其更改为“热”颜色图。
plt．imshow（lum1， cmap ＝＇hot＇）
plt．colorbar（）
图像输出看起来：
现在我们尝试不同的颜色图。imgplot ＝ plt．imshow（lum1）
imgplot．set＿cmap（＇nipy＿spectral＇）
图像输出：
使用颜色图的原因是，通常在各种应用程序和用途中，拥有统一的颜色图会有所帮助。
现在让我们看看为什么我们将图像称为二维数组。＃data type of lum1
print（type（lum1））
输出：＜class ＇numpy．ndarray＇＞print（lum1）
［［ 92 91 89 … 169 168 169］［110 110 110 … 168 166 167］［100 103 108 … 164 163 164］…［ 97 96 95 … 144 147 147］［ 99 99 98 … 145 139 138］［102 102 103 … 149 137 137］］这些点只是为了表明它们之间还有更多的数据点。但是可以肯定的是，所有数据都是数字数据。让我们找出数组的大小。len（lum1）
输出：320len（lum1［300］）
输出：658这为我们提供了图像的像素数和尺寸：320＊658。我们稍后也会验证这一点。现在，我们使用 PIL。from PIL import Image
分享
最新活动更多
-
11月28日立即报名>>> 2024工程师系列—工业电子技术在线会议
-
12月19日立即报名>> 【线下会议】OFweek 2024（第九届）物联网产业大会
-
即日-12.26火热报名中>> OFweek2024中国智造CIO在线峰会
-
即日-2025.8.1立即下载>> 《2024智能制造产业高端化、智能化、绿色化发展蓝皮书》
-
精彩回顾立即查看>> 2024 智能家居出海论坛
-
精彩回顾立即查看>> 【在线会议】多物理场仿真助跑新能源汽车
推荐专题
发表评论
请输入评论内容...
请输入评论/评论长度6~500个字
暂无评论
暂无评论