Python的img函数,python中image函数

怎么用python显示一张图片

在 python 中除了用 opencv，也可以用 matplotlib 和 PIL 这两个库操作图片。本人偏爱 matpoltlib，因为它的语法更像 matlab。

专注于为中小企业提供成都网站设计、成都网站制作、外贸网站建设服务,电脑端+手机端+微信端的三站合一,更高效的管理,为中小企业丰镇免费做网站提供优质的服务。我们立足成都，凝聚了一批互联网行业人才，有力地推动了上千余家企业的稳健成长，帮助中小企业通过网站建设实现规模扩充和转变。

一、matplotlib

1. 显示图片

复制代码

import matplotlib.pyplot as plt # plt 用于显示图片

import matplotlib.image as mpimg # mpimg 用于读取图片

import numpy as np

lena = mpimg.imread('lena.png') # 读取和代码处于同一目录下的 lena.png

# 此时 lena 就已经是一个 np.array 了，可以对它进行任意处理

lena.shape #(512, 512, 3)

plt.imshow(lena) # 显示图片

plt.axis('off') # 不显示坐标轴

plt.show()

复制代码

2. 显示某个通道

复制代码

# 显示图片的第一个通道

lena_1 = lena[:,:,0]

plt.imshow('lena_1')

plt.show()

# 此时会发现显示的是热量图，不是我们预想的灰度图，可以添加 cmap 参数，有如下几种添加方法：

plt.imshow('lena_1', cmap='Greys_r')

plt.show()

img = plt.imshow('lena_1')

img.set_cmap('gray') # 'hot' 是热量图

plt.show()

复制代码

3. 将 RGB 转为灰度图

matplotlib 中没有合适的函数可以将 RGB 图转换为灰度图，可以根据公式自定义一个：

复制代码

def rgb2gray(rgb):

return np.dot(rgb[...,:3], [0.299, 0.587, 0.114])

gray = rgb2gray(lena)

# 也可以用 plt.imshow(gray, cmap = plt.get_cmap('gray'))

plt.imshow(gray, cmap='Greys_r')

plt.axis('off')

plt.show()

复制代码

4. 对图像进行放缩

这里要用到 scipy

复制代码

from scipy import misc

lena_new_sz = misc.imresize(lena, 0.5) # 第二个参数如果是整数，则为百分比，如果是tuple，则为输出图像的尺寸

plt.imshow(lena_new_sz)

plt.axis('off')

plt.show()

复制代码

5. 保存图像

5.1 保存 matplotlib 画出的图像

该方法适用于保存任何 matplotlib 画出的图像，相当于一个 screencapture。

plt.imshow(lena_new_sz)

plt.axis('off')

plt.savefig('lena_new_sz.png')

5.2 将 array 保存为图像

from scipy import misc

misc.imsave('lena_new_sz.png', lena_new_sz)

5.3 直接保存 array

读取之后还是可以按照前面显示数组的方法对图像进行显示，这种方法完全不会对图像质量造成损失

np.save('lena_new_sz', lena_new_sz) # 会在保存的名字后面自动加上.npy

img = np.load('lena_new_sz.npy') # 读取前面保存的数组

二、PIL

1. 显示图片

from PIL import Image

im = Image.open('lena.png')

im.show()

2. 将 PIL Image 图片转换为 numpy 数组

im_array = np.array(im)

# 也可以用 np.asarray(im) 区别是 np.array() 是深拷贝，np.asarray() 是浅拷贝

3. 保存 PIL 图片

直接调用 Image 类的 save 方法

from PIL import Image

I = Image.open('lena.png')

I.save('new_lena.png')

4. 将 numpy 数组转换为 PIL 图片

这里采用 matplotlib.image 读入图片数组，注意这里读入的数组是 float32 型的，范围是 0-1，而 PIL.Image 数据是 uinit8 型的，范围是0-255，所以要进行转换：

import matplotlib.image as mpimg

from PIL import Image

lena = mpimg.imread('lena.png') # 这里读入的数据是 float32 型的，范围是0-1

im = Image.fromarray(np.uinit8(lena*255))

im.show()

5. RGB 转换为灰度图

from PIL import Image

I = Image.open('lena.png')

I.show()

L = I.convert('L')

L.show()

如何用python取图片轮廓

1、查找轮廓（find_contours)

measure模块中的find_contours()函数，可用来检测二值图像的边缘轮廓。

函数原型为：

skimage.measure.find_contours(array, level)

array: 一个二值数组图像

level: 在图像中查找轮廓的级别值

返回轮廓列表集合，可用for循环取出每一条轮廓。

例1：

import numpy as np

import matplotlib.pyplot as plt

from skimage import measure,draw 

#生成二值测试图像

img=np.zeros([100,100])

img[20:40,60:80]=1  #矩形

rr,cc=draw.circle(60,60,10)  #小圆

rr1,cc1=draw.circle(20,30,15) #大圆

img[rr,cc]=1

img[rr1,cc1]=1

#检测所有图形的轮廓

contours = measure.find_contours(img, 0.5)

#绘制轮廓

fig, (ax0,ax1) = plt.subplots(1,2,figsize=(8,8))

ax0.imshow(img,plt.cm.gray)

ax1.imshow(img,plt.cm.gray)

for n, contour in enumerate(contours):

ax1.plot(contour[:, 1], contour[:, 0], linewidth=2)

ax1.axis('image')

ax1.set_xticks([])

ax1.set_yticks([])

plt.show()

结果如下：不同的轮廓用不同的颜色显示

在调用一些Python里的函数的时候 为什么有些函数需要实例化有些不需要？

如果一个方法是静态方法或类方法，那么，可以直接调用。

如果一个方法不是静态的，那么，它会需要self来访问实例中的某些属性，那么就只能在实例上调用。

你给出的代码中，tensor_trans = transforms.ToTensor()这一句，实际上只是简化引用，并没有实例化transforms。

作为示例：

class MyUtil(object):

....@staticmethod

....def fn1():

........return 'a'

....def fn2(self):

........return 'b'

对方法fn1，我们可以直接调用：

x = MyUtil.fn1()

但对于fn2，则只能实例化后调用：

util=MyUtil()

x = util.fn2()

当然,对于fn1，也可以在实例上调用：

util=MyUtil()

x = util.fn1()

python如何保存img文件

python保存img文件有两种方法：

1、使用matplotlib模块的“matplotlib.image.imsave()”函数可以保存图片

示例代码如下：

2、使用opencv模块“opencv.imwrite()”函数可以保存图片

、

更多Python知识，请关注：Python自学网！！

python图像处理初学者求助

Pillow是Python里的图像处理库（PIL：Python Image Library），提供了了广泛的文件格式支持，强大的图像处理能力，主要包括图像储存、图像显示、格式转换以及基本的图像处理操作等。

1）使用 Image 类

PIL最重要的类是 Image class, 你可以通过多种方法创建这个类的实例；你可以从文件加载图像，或者处理其他图像, 或者从 scratch 创建。

要从文件加载图像，可以使用open( )函数，在Image模块中：

1

2

from PIL import Image

im = Image.open("E:/photoshop/1.jpg")

加载成功后，将返回一个Image对象，可以通过使用示例属性查看文件内容：

1

2

3

print(im.format, im.size, im.mode)

('JPEG', (600, 351), 'RGB')

format 这个属性标识了图像来源。如果图像不是从文件读取它的值就是None。size属性是一个二元tuple，包含width和height（宽度和高度，单位都是px）。 mode 属性定义了图像bands的数量和名称，以及像素类型和深度。常见的modes 有 “L” (luminance) 表示灰度图像, “RGB” 表示真彩色图像, and “CMYK” 表示出版图像。

如果文件打开错误，返回 IOError 错误。

只要你有了 Image 类的实例，你就可以通过类的方法处理图像。比如，下列方法可以显示图像：

1

im.show()

2）读写图像

PIL 模块支持大量图片格式。使用在 Image 模块的 open() 函数从磁盘读取文件。你不需要知道文件格式就能打开它，这个库能够根据文件内容自动确定文件格式。要保存文件，使用 Image 类的 save() 方法。保存文件的时候文件名变得重要了。除非你指定格式，否则这个库将会以文件名的扩展名作为格式保存。

加载文件，并转化为png格式：

1

2

3

4

5

6

7

8

9

10

11

12

13

"Python Image Library Test"

from PIL import Image

import os

import sys

for infile in sys.argv[1:]:

f,e = os.path.splitext(infile)

outfile = f +".png"

if infile != outfile:

try:

Image.open(infile).save(outfile)

except IOError:

print("Cannot convert", infile)

save() 方法的第二个参数可以指定文件格式。

3）创建缩略图

缩略图是网络开发或图像软件预览常用的一种基本技术，使用Python的Pillow图像库可以很方便的建立缩略图，如下：

1

2

3

4

5

6

7

# create thumbnail

size = (128,128)

for infile in glob.glob("E:/photoshop/*.jpg"):

f, ext = os.path.splitext(infile)

img = Image.open(infile)

img.thumbnail(size,Image.ANTIALIAS)

img.save(f+".thumbnail","JPEG")

上段代码对photoshop下的jpg图像文件全部创建缩略图，并保存，glob模块是一种智能化的文件名匹配技术，在批图像处理中经常会用到。

注意：Pillow库不会直接解码或者加载图像栅格数据。当你打开一个文件，只会读取文件头信息用来确定格式，颜色模式，大小等等，文件的剩余部分不会主动处理。这意味着打开一个图像文件的操作十分快速，跟图片大小和压缩方式无关。

4）图像的剪切、粘贴与合并操作

Image 类包含的方法允许你操作图像部分选区，PIL.Image.Image.crop 方法获取图像的一个子矩形选区，如：

1

2

3

4

# crop, paste and merge

im = Image.open("E:/photoshop/lena.jpg")

box = (100,100,300,300)

region = im.crop(box)

矩形选区有一个4元元组定义，分别表示左、上、右、下的坐标。这个库以左上角为坐标原点，单位是px，所以上诉代码复制了一个 200×200 pixels 的矩形选区。这个选区现在可以被处理并且粘贴到原图。

1

2

region = region.transpose(Image.ROTATE_180)

im.paste(region, box)

当你粘贴矩形选区的时候必须保证尺寸一致。此外，矩形选区不能在图像外。然而你不必保证矩形选区和原图的颜色模式一致，因为矩形选区会被自动转换颜色。

5）分离和合并颜色通道

对于多通道图像，有时候在处理时希望能够分别对每个通道处理，处理完成后重新合成多通道，在Pillow中，很简单，如下：

1

2

r,g,b = im.split()

im = Image.merge("RGB", (r,g,b))

对于split（ ）函数，如果是单通道的，则返回其本身，否则，返回各个通道。

6）几何变换

对图像进行几何变换是一种基本处理，在Pillow中包括resize( )和rotate( )，如用法如下：

1

2

out = im.resize((128,128))

out = im.rotate(45) # degree conter-clockwise

其中，resize( )函数的参数是一个新图像大小的元祖，而rotate( )则需要输入顺时针的旋转角度。在Pillow中，对于一些常见的旋转作了专门的定义：

1

2

3

4

5

out = im.transpose(Image.FLIP_LEFT_RIGHT)

out = im.transpose(Image.FLIP_TOP_BOTTOM)

out = im.transpose(Image.ROTATE_90)

out = im.transpose(Image.ROTATE_180)

out = im.transpose(Image.ROTATE_270)

7）颜色空间变换

在处理图像时，根据需要进行颜色空间的转换，如将彩色转换为灰度：

1

2

cmyk = im.convert("CMYK")

gray = im.convert("L")

8）图像滤波