Python像素点图像处理

这篇文章记录python像素处理的基本方法方法

做的是14年的建模A题嫦娥登陆。

其中一个问题是这样的

如何选择下面这个图（月球表面高度2400米处的照片）的嫦娥三号着陆点？

1. 读取图像

from scipy import misc
from scipy.misc import imread, imresize, imsave
import os
import seaborn as sns
import matplotlib.pyplot as plt
os.chdir('/Users/zhaohaibo/Desktop')# 读取图像
pic = imread('pic2400.jpg')
pic.shape  # (2300,2300)
pic.max()  # 218
pic.min() # 0
pic.dtype # dtype('uint8')# 使用sbs的palette变成一个带有颜色的图（目的？不知道。。）
sns.set()
sns.set_style("white")
pic2 = plt.imshow(pic)
plt.savefig('24003.jpg')

2.使用K-Means聚类

img = cv2.imread(‘图片’)之后，直接就可以查看每个点的像素值
聚为8类，想象中大致就可以把平地那一类选出来了吧

import numpy as np
import cv2
from scipy import misc
from scipy.misc import imread, imresize, imsave
import os
import seaborn as sns
import matplotlib.pyplot as pl
os.chdir('/Users/zhaohaibo/Desktop')#对rgb图像kmeans聚类
img = cv2.imread('24003.jpg')
Z = img.reshape((-1,3))# convert to np.float32
Z = np.float32(Z)# define criteria, number of clusters(K) and apply kmeans()
criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 10, 1.0)
K = 8
ret,label,center=cv2.kmeans(Z,K,None,criteria,10,cv2.KMEANS_RANDOM_CENTERS)# Now convert back into uint8, and make original image
center = np.uint8(center)
res = center[label.flatten()]
res2 = res.reshape((img.shape))
cv2.imwrite('k=8.jpg',res2)

分别是彩色和黑白的聚类结果。

# 划出平地
from PIL import Image
i = 1
j = 1
img = Image.open("k=12.jpg")#读取系统的内照片
print (img.size)#打印图片大小
print (img.getpixel((4,4)))
# 要保留177 22 88
width = img.size[0]#长度
height = img.size[1]#宽度
for i in range(0,width):#遍历所有长度的点for j in range(0,height):#遍历所有宽度的点data = (img.getpixel((i,j)))#打印该图片的所有点print (data)#打印每个像素点的颜色RGBA的值(r,g,b,alpha)print (data[0])#打印RGBA的r值if (data[0]>=170 and data[0]<=180):#RGBA的r值大于170，并且g值大于170,并且b值大于170img.putpixel((i,j),(255,255,255,255))#则这些像素点的颜色改成白色
img = img.convert("RGB")#把图片强制转成RGB
img.save("1.jpg")#保存修改像素点后的图片

好像有点意思了，看起来平地被标成了白色。

提取rgb数值（想画3D图没成功）

法1

# 提取rgb的数值
from mpl_toolkits.mplot3d import Axes3D
import matplotlib.pyplot as plt
from matplotlib import cm
from matplotlib.ticker import LinearLocator, FormatStrFormatter
import numpy as np
from PIL import Image
import os
os.chdir("/Users/zhaohaibo/Desktop")
i = 1
j = 1
img = Image.open("k=12.jpg")#读取系统的内照片
print (img.size)#打印图片大小
print (img.getpixel((4,4)))  # 获取某点的像素值
# 要保留177 22 88
width = img.size[0]#长度
height = img.size[1]#宽度
x = []
y = []
z = []
for i in range(0,width):#遍历所有长度的点for j in range(0,height):#遍历所有宽度的点data = (img.getpixel((i,j)))x.append(data[0])y.append(data[1])z.append(data[2])
x = np.array(x)
y = np.array(y)
z = np.array(z)
x = x.reshape(214,215)
y = y.reshape(214,215)
z = z.reshape(214,215)

网上找了另一个简单的方法

image_path = "HOPE.png"from mpl_toolkits.mplot3d import Axes3D
from matplotlib import pyplot
from PIL import Imagefig = pyplot.figure()
axis = fig.add_subplot(1, 1, 1, projection="3d") # 3D plot with scalar values in each axisim = Image.open(image_path)
r, g, b = list(im.getdata(0)), list(im.getdata(1)), list(im.getdata(2))axis.scatter(r, g, b, c="#ff0000", marker="o")
axis.set_xlabel("Red")
axis.set_ylabel("Green")
axis.set_zlabel("Blue")
pyplot.show()

选择最佳着陆点

# 提取rgb的数值
from mpl_toolkits.mplot3d import Axes3D
import matplotlib.pyplot as plt
from matplotlib import cm
from matplotlib.ticker import LinearLocator, FormatStrFormatter
import numpy as np
from PIL import Image
import os
os.chdir("/Users/zhaohaibo/Desktop")img = Image.open("face.jpg")
width = img.size[0]#长度
height = img.size[1]#宽度
def pi(i,j):return img.getpixel((i,j))[0]
for i in range(6, height-6):for j in range(6, width-6):if(pi(i,j)==255 and pi(i+5,j+5)==255 and pi(i-5,j-5)==255 and pi(i-5,j+5)==255 and pi(i+5,j-5)==255):img.putpixel((i,j),(0,255,0,255))
img = img.convert("RGB")
def check_pi(i,j):if(img.getpixel((i,j))==(0,255,0)):return Trueelse:return False
for i in range(2, height-2):for j in range(2, width-2):if(check_pi(i,j) and check_pi(i-2,j-2) and check_pi(i-2,j+2) and check_pi(i+2,j-2) and check_pi(i+2,j+2)):img.putpixel((i,j),(0,0,255,255))
area = []
for i in range(2,height-2):for j in range(2,width-2):if(img.getpixel((i,j))==(0,0,255)):area.append((i,j))
for i in range(len(area)-6):if(area[i-7][0]==area[i+6][0]):print((area[i]))
(167, 48)

所以一些绿色点是好的着陆区域？绿色点里面蓝色点是好的着陆点？

Python像素点图像处理相关推荐

干货 | 用Python做图像处理：图像导数实战
导读:数量庞大的图像和视频充斥着我们的生活.我们需要对图片进行检索.分类等操作时,利用人工手段显然是不现实的.于是,计算机视觉相关技术便应运而生,并且得到了快速的发展.本文以时下最流行的Python语 ...
Python+Opencv图像处理新手入门教程(三)：阈值与二值化
一步一步来吧上一节: Python+Opencv图像处理新手入门教程(二):颜色空间转换,图像大小调整,灰度直方图 1.Intro 今天这节我们主要研究利用阈值处理图像.例如对于输入图像: 如何做一 ...
Python+Opencv图像处理新手入门教程(二)：颜色空间转换，图像大小调整，灰度直方图
一步一步来吧上一节:Python+Opencv图像处理新手入门教程(一):介绍,安装与起步 1.什么是图像对于计算机而言,图像的本质是一个由像素点构成的矩阵. 例如我们用肉眼很容易分辨一辆汽车的后 ...
python+opencv图像处理之七：直方图均衡化
python+opencv图像处理之七:直方图均衡化目录 python+opencv图像处理之七:直方图均衡化一.直方图均衡化二.直方图绘制三.直方图均衡化四.有限对比适应性直方图均衡化一 ...
python图像处理---python的图像处理模块Image
https://blog.csdn.net/jiaoyangwm/article/details/79293272 [python图像处理]python的图像处理模块Image 版本信息:2.7.11 ...
Python+OpenCV图像处理（一篇全）
参考:1.网易云课堂 Python+OpenCV图像处理 - 网易云课堂 2.[在水一方xym的博客]业精于勤荒于嬉,行成于思毁于随 - CSDN博客 https://blog.csdn.net/za ...
python skimage图像处理(一)
python skimage图像处理(一) This blog is from: https://www.cnblogs.com/wangxiaocvpr/p/11656603.html 基于pyth ...
python skimage图像处理
python skimage图像处理(一) jiandanjinxin关注 22017.09.26 14:31:04字数 5,913阅读 103,968 本文转自 python数字图像处理基于pyt ...
Python OpenCV 图像处理之直方图的应用，取经之旅第 26 天
Python OpenCV 365 天学习计划,与橡皮擦一起进入图像领域吧. Python OpenCV 基础知识铺垫 cv2.compareHist 函数橡皮擦的小节基础知识铺垫上篇博客 Py ...

Python像素点图像处理

1. 读取图像

2.使用K-Means聚类

提取rgb数值（想画3D图没成功）

法1

网上找了另一个简单的方法

选择最佳着陆点

Python像素点图像处理相关推荐

最新文章

热门文章