python的数字图像处理学习（1），,导入原有的测试图片，

python的数字图像处理学习（1），,导入原有的测试图片，

导入原有的测试图片，测试图片路径，和一些方法，显示出测试图像，测试图像路径。

from skimage import io,data,data_dirimg_rgb=data.chelsea()io.imshow(img_rgb)data_dir

使用打开方式的方案，将图像转为灰度图，并显示。保存图像。

img_gray=io.imread(data_dir+‘/chelsea.png‘,as_grey=True)io.imshow(img_gray)
io.imsave(‘chelsea.png‘,img_gray)

显示出数字图像的各种信息：

print(type(img_gray))  #显示类型print(img_gray.shape)  #显示尺寸print(img_gray.shape[0])  #图片宽度print(img_gray.shape[1])  #图片高度print(img_gray.size)   #显示总像素个数print(img_gray.max())  #最大像素值print(img_gray.min())  #最小像素值print(img_gray.mean()) #像素平均值

提取图像的红色通道值，显示。

img_rgb_r=img_rgb[:,:,0]#选取像素值，红色单通道io.imshow(img_rgb_r)

导入深度复制图像的方法，将图像备份，建立椒盐噪声图像。

import numpy as npimport copy as cpimg_rgb_noise = cp.deepcopy(img_rgb)for i in range(1000):    x = np.random.randint(0,img_rgb_noise.shape[0])    y = np.random.randint(0,img_rgb_noise.shape[1])    img_rgb_noise[x,y,:] = 255io.imshow(img_rgb_noise)

将图像切片提取，显示出部分图像。

img_rgb_cut = img_rgb[0:int(img_rgb.shape[0]/2),0:int(img_rgb.shape[1]/2),:]io.imshow(img_rgb_cut)

将灰度图像二值化的一种方法：

import copy as cpimg_gray_binaryzation = cp.deepcopy(img_gray)for i in range(img_gray.shape[0]):    for j in range(img_gray.shape[1]):        if img_gray_binaryzation[i,j] > 0.5 :            img_gray_binaryzation[i,j] = 1        else :            img_gray_binaryzation[i,j] = 0io.imshow(img_gray_binaryzation)

通过判断，提取出部分符合条件的数据，将符合条件的数据进行修改，，，一个示例

import copy as cpimg_rgb_blue = cp.deepcopy(img_rgb)reddish = img_rgb[:, :, 0] >100#建立红色通道值大于100的二维布尔数组img_rgb_blue[reddish,0] = [0]#根据筛选条件，筛选出并将红色通道赋值为0reddish = img_rgb[:, :, 2] >100img_rgb_blue[reddish,2] = [0]#根据筛选条件，筛选出并将蓝色通道赋值为0reddish.shapeio.imshow(img_rgb_blue)

图像的数据类型查看，float数据类型为0-1

img_rgb.dtype.name#查看图像的数据类型img_gray.dtype.nameimg_gray.max()

图像的数据类型转化：

from skimage import img_as_float,img_as_ubytearrays = img_as_ubyte(img_gray)arrays.max()

使用color方法，完成图像的形式转化：

from skimage import colorio.imshow(color.rgb2gray(img_rgb))

io.imshow(color.convert_colorspace(img_rgb,‘RGB‘,‘hsv‘))

使用matplotlib中的pyplot下的imshow显示图像。

import matplotlib.pyplot as pltdst = plt.imshow(img_rgb)#有一个AxesImage对象显示出来plt.axis(‘off‘)print(type(dst))

图像分割，设置标题，灰度图显示，不显示坐标的方法示例

from skimage import dataimport matplotlib.pyplot as pltimg=data.astronaut()plt.figure(num=‘astronaut‘,figsize=(8,8))  #创建一个名为astronaut的窗口,并设置大小 plt.subplot(2,2,1)     #将窗口分为两行两列四个子图，则可显示四幅图片plt.title(‘origin image‘)   #第一幅图片标题plt.imshow(img)      #绘制第一幅图片plt.subplot(2,2,2)     #第二个子图plt.title(‘R channel‘)   #第二幅图片标题plt.imshow(img[:,:,0],plt.cm.gray)      #绘制第二幅图片,且为灰度图plt.axis(‘off‘)     #不显示坐标尺寸plt.show()   #显示窗口

读取某目录下的所有图像的方法，多选图像格式和路径等

import skimage.io as iofrom skimage import data_dirstr=data_dir + ‘/*.png‘str+=‘;‘+data_dir + ‘/*.jpg‘coll = io.ImageCollection(str)print(len(coll))io.imshow(coll[0])

io.ImageCollection()这个函数省略第二个参数，就是批量读取。将批量读取修改为其它批量操作，如批量转换为灰度图，修改图像大小

然后批量保存图像：

from skimage import data_dir,io,transform,colorimport numpy as npdef convert_gray(f):     rgb=io.imread(f)    #依次读取rgb图片     gray=color.rgb2gray(rgb)   #将rgb图片转换成灰度图     dst=transform.resize(gray,(256,256))  #将灰度图片大小转换为256*256     return dst  str=data_dir+‘/*.png‘str+=‘;‘+data_dir + ‘/*.jpg‘coll = io.ImageCollection(str,load_func=convert_gray)#修改默认批量操作为转化为灰度图for i in range(len(coll)):    io.imsave(‘./data/‘+np.str(i)+‘.jpg‘,coll[i])  #循环保存图片

python的数字图像处理学习（1）