Numpy处理图片方法

在进行图像领域的深度学习的时候经常需要对图片进行处理，包括图像的翻转，压缩，截取等，一般都是用Numpy来处理。处理起来也很方便。

In[3]


# 导入需要的包
import numpy as np
import matplotlib.pyplot as plt
from PIL import Image# 读入图片
image = Image.open('./work/vehicle1.jpg')
image = np.array(image)
# 查看数据形状，其形状是[H, W, 3]，
# 其中H代表高度， W是宽度，3代表RGB三个通道
image.shape

(437, 700, 3)

In[4]

# 原始图片
plt.imshow(image)

<matplotlib.image.AxesImage at 0x7fb195078b10>

In[7]


# 垂直方向翻转
# 这里使用数组切片的方式来完成，
# 相当于将图片最后一行挪到第一行，
# 倒数第二行挪到第二行，...,
# 第一行挪到倒数第一行
# 对于行指标，使用::-1来表示切片，
# 负数步长表示以最后一个元素为起点，向左走寻找下一个点
# 对于列指标和RGB通道，仅使用:表示该维度不改变
image2 = image[::-1, :, :]
plt.imshow(image2)

<matplotlib.image.AxesImage at 0x7fecfbfd15d0>

In[8]


# 水平方向翻转
image3 = image[:, ::-1, :]
plt.imshow(image3)

<matplotlib.image.AxesImage at 0x7fecfbf3aa10>

In[5]

# 180度方向翻转
image31 = image[::-1, ::-1, :]
plt.imshow(image31)

<matplotlib.image.AxesImage at 0x7fb194faaf10>

In[9]

# 保存图片
im3 = Image.fromarray(image3)
im3.save('im3.jpg')

In[10]


#  高度方向裁剪
H, W = image.shape[0], image.shape[1]
# 注意此处用整除，H_start必须为整数
H1 = H // 2
H2 = H
image4 = image[H1:H2, :, :]
plt.imshow(image4)

<matplotlib.image.AxesImage at 0x7fecfbeac6d0>

In[11]


#  宽度方向裁剪
W1 = W//6
W2 = W//3 * 2
image5 = image[:, W1:W2, :]
plt.imshow(image5)

<matplotlib.image.AxesImage at 0x7fecfbe90390>

In[13]


# 两个方向同时裁剪
image5 = image[H1:H2, \W1:W2, :]
plt.imshow(image5)

<matplotlib.image.AxesImage at 0x7fecfbd5c810>

In[14]


# 调整亮度
image6 = image * 0.5
plt.imshow(image6.astype('uint8'))

<matplotlib.image.AxesImage at 0x7fecfbd47d10>

In[15]


# 调整亮度
image7 = image * 2.0
# 由于图片的RGB像素值必须在0-255之间，
# 此处使用np.clip进行数值裁剪
image7 = np.clip(image7, \a_min=None, a_max=255.)
plt.imshow(image7.astype('uint8'))

<matplotlib.image.AxesImage at 0x7fecfbcbb510>

In[16]


#高度方向每隔一行取像素点
image8 = image[::2, :, :]
plt.imshow(image8)

<matplotlib.image.AxesImage at 0x7fecfbc25850>

In[17]


#宽度方向每隔一列取像素点
image9 = image[:, ::2, :]
plt.imshow(image9)

<matplotlib.image.AxesImage at 0x7fecfbc08710>

In[18]


#间隔行列采样，图像尺寸会减半，清晰度变差
image10 = image[::2, ::2, :]
plt.imshow(image10)
image10.shape

(219, 350, 3)

Numpy处理图片方法相关推荐

十四、去年写的Numpy使用方法梳理，2020年5月13日整理
@Author : By Runsen @Written Date:2019/06/09 @modified Date:2020/5/13 这篇2019/06/09写的,因为要写成专栏挣钱,在今日20 ...
pythoninterp error_Python numpy.interp方法代码示例
本文整理汇总了Python中numpy.interp方法的典型用法代码示例.如果您正苦于以下问题:Python numpy.interp方法的具体用法?Python numpy.interp怎么用?P ...
numpy中方法参数axis取值理解
numpy中方法参数axis取值理解首先不要使用什么横纵轴去理解,因为时间长了就忘记了,而且如果a是一个三维数组就没法解释了. axis等于0时,在shape中表示的是二维数组.那么np.amin( ...
python中np zeros_Python numpy.zeros方法代码示例
本文整理汇总了Python中numpy.zeros方法的典型用法代码示例.如果您正苦于以下问题:Python numpy.zeros方法的具体用法?Python numpy.zeros怎么用?Pyth ...
fmod函数python_python fmod函数_Python numpy.fmod方法代码示例
本文整理汇总了Python中numpy.fmod方法的典型用法代码示例.如果您正苦于以下问题:Python numpy.fmod方法的具体用法?Python numpy.fmod怎么用?Python ...
有关pycharm安装numpy简便方法
有关pycharm安装numpy简便方法写调用numpy代码:import numpy as np 然后你会得到一个报错,说你没有numpy包,然后点击下载,不用管能不能下载成功,基本上都是下载失败 ...
python fmod函数_Python numpy.fmod方法代码示例
本文整理汇总了Python中numpy.fmod方法的典型用法代码示例.如果您正苦于以下问题:Python numpy.fmod方法的具体用法?Python numpy.fmod怎么用?Python ...
Python数据分析之初识numpy常见方法使用案例
声明与简介 numpy是python数据科学计算的基础包,这个包有多维数据对象ndarray,以及诸多它的派生对象(如:掩码数组.矩阵),同时这些对象还提供了数学,逻辑,形状处理,排序,选择,离散傅立 ...
掌握这些 NumPy Pandas 方法，快速提升数据处理效率！
Pandas 是基于NumPy 的一种工具,该工具是为解决数据分析任务而创建的.pandas 纳入了大量库和一些标准的数据模型,提供了高效地操作大型数据集所需的工具.pandas提供了大量能使我们快速 ...

Numpy处理图片方法

Numpy处理图片方法相关推荐

最新文章

热门文章