1. 首页
  2. 要闻

如何利用Python 图像库完成各种图像处理任务?

介绍数字图像处理由涉及在计算机上处理图像的各种技术和方法组成。对图像进行各种类型的操作,构成数字图像处理。了解图像实际上是什么图像基本上是二维信号。信号函数是 f(x,y),其中 x 和 y 在某个点的值生成该点的像素。图像基本上是一个由 0 到 255 之间的数字组成的二维数组。图像处理涉及多种因素。图像处理有几个主要动机。图像处理帮助改进我们存储的数字信息。使图像处理自动化。更好的图像优化,实现高效的存储和传输。这些年来,图像处理有了很大的进步,图像处理的现代商业应用也很多。

介绍数字图像处理由涉及在计算机上处理图像的各种技术和方法组成。对图像进行各种类型的操作,构成数字图像处理。了解图像实际上是什么图像基本上是二维信号。信号函数是 f(x,y),其中 x 和 y 在某个点的值生成该点的像素。图像基本上是一个由 0 到 255 之间的数字组成的二维数组。图像处理涉及多种因素。图像处理有几个主要动机。图像处理帮助改进我们存储的数字信息。使图像处理自动化。更好的图像优化,实现高效的存储和传输。这些年来,图像处理有了很大的进步,图像处理的现代商业应用也很多。

图像处理用途

1. 图像校正、锐化和分辨率校正

通常,我们希望我们可以将旧图像做得更好。这在今天是可能的。缩放、锐化、边缘检测、高动态范围编辑都属于这一类。所有这些步骤都有助于增强图像。大多数编辑软件和图像校正代码都可以轻松完成这些操作。

2. 编辑应用程序和社交媒体的过滤器

如今,大多数编辑应用程序和社交媒体应用程序都提供过滤器。

如何利用Python 图像库完成各种图像处理任务?

以上是原始图像和过滤后的图像的示例。滤镜使图像看起来更具视觉吸引力。滤镜通常是一组函数,可以更改图像中的颜色和其他方面,使图像看起来不同。过滤器是图像处理的一个有趣应用。

3.医疗技术

在医学领域,图像处理用于各种任务,如 PET 扫描、X 射线成像、医学 CT、紫外线成像、癌细胞图像处理等等。将图像处理引入医疗技术领域极大地改善了诊断过程。

如何利用Python 图像库完成各种图像处理任务?

左边的图像是原始图像。右边的图像是经过处理的图像。我们可以看到处理后的图像要好得多,可以用于更好的诊断。

4.计算机/机器视觉

图像处理最有趣和最有用的应用之一是计算机视觉。计算机视觉用于使计算机看到、识别事物,并将整个环境作为一个整体进行处理。计算机视觉的一个重要用途是自动驾驶汽车、无人机等。CV 有助于障碍物检测、路径识别和理解环境。

如何利用Python 图像库完成各种图像处理任务?

这就是典型的计算机视觉对汽车自动驾驶仪的工作方式。计算机接收实时镜头并分析其他汽车、道路和其他障碍物。

5. 模式识别

模式识别是图像处理的一部分,涉及人工智能和机器学习。图像处理用于找出图像中的各种模式和方面。模式识别用于手写分析、图像识别、计算机辅助医疗诊断等。

6.视频处理

视频基本上是图像的快速移动。视频处理中使用了各种图像处理技术。视频处理的一些方法是噪声去除、图像稳定、帧速率转换、细节增强等等。Python 图像处理入门让我们从 Python 中的一些基本图像相关任务开始。我们将使用 PIL。

Python 图像库用于各种图像处理任务。安装pip install pillow

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。

如何利用Python 图像库完成各种图像处理任务?

# reading jpg image
img = img.imread('image1.jpg')
plt.imshow(img)

如何利用Python 图像库完成各种图像处理任务?

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。

如何利用Python 图像库完成各种图像处理任务?

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:

如何利用Python 图像库完成各种图像处理任务?

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:

如何利用Python 图像库完成各种图像处理任务?

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

我们将使用这个图像文件,命名为:people.jpg。

如何利用Python 图像库完成各种图像处理任务?

img2 = Image.open('people.jpg')
plt.imshow(img2)

如何利用Python 图像库完成各种图像处理任务?

图像被读取。现在,我们调整图像大小。img2.thumbnail((50, 50), Image.ANTIALIAS)  # resizes image in-place
imgplot = plt.imshow(img2)

如何利用Python 图像库完成各种图像处理任务?

imgplot1 = plt.imshow(img2, interpolation="nearest")

如何利用Python 图像库完成各种图像处理任务?

imgplot2 = plt.imshow(img2, interpolation="bicubic")

如何利用Python 图像库完成各种图像处理任务?

但是,为什么我们在图像处理中故意模糊图像?通常对于模式识别和计算机视觉算法,如果图像非常清晰,处理起来就会很困难。因此进行模糊处理以使图像平滑。模糊还可以使图像中的颜色过渡从一侧到另一侧更加平滑。现在,让我们验证我们之前处理过的汽车图像的尺寸。#some more interesting stuff
file='image1.jpg'
with Image.open(file) as image:
   width, height = image.size
#Image width, height is be obtained

如何利用Python 图像库完成各种图像处理任务?

这些也是我们之前得到的维度。所以我们可以得出结论,图像是320*658。让我们也尝试旋转和转置图像。#Relative Path
img3 = Image.open("image1.jpg")  
#Angle given
img_rot= img3.rotate(180)  
#Saved in the same relative location
img_rot.save("rotated_picture.jpg")

如何利用Python 图像库完成各种图像处理任务?

这是旋转后的图像。#transposing image  
transposed_img = img3.transpose(Image.FLIP_LEFT_RIGHT)
#Saved in the same relative location
transposed_img.save("transposed_img.jpg")

如何利用Python 图像库完成各种图像处理任务?

这是转置后的图像。尾注图像处理有各种重要的应用,随着时间的推移,方法和过程也会得到改进。

免责声明:本站旨在传递信息,不代表有传资讯的观点和立场。本站遵循行业规范,如转载您的文章未标注版权,请联系我们(QQ:78799268)改正。本站的原创文章,如若转载,请注明出处:http://www.ainoline.cn/news/18602.html

发表评论

邮箱地址不会被公开。 必填项已用*标注

联系我们

在线咨询:点击这里给我发消息

邮件:78799268@qq.com

工作时间:周一至周五,9:30-18:30,节假日休息

QR code