本文实例讲述了Python Image模块基本图像处理操作。分享给大家供大家参考,具体如下:
Python 里面最常用的图像操作库是Image library(PIL),功能上,虽然还不能跟Matlab比较,但是还是比较强大的,废话补多少,写点记录笔记。
1. 首先需要导入需要的图像库:
import Image
2. 读取一张图片:
im=Image.open('/home/Picture/test.jpg')
3. 显示一张图片:
im.show()
4. 保存图片:
im.save("save.gif","GIF") #保存图像为gif格式
5. 创建新图片:
Image.new(mode,size) Image.new(mode,size,color)
栗子:
newImg = Image.new("RGBA",(640,480),(0,255,0)) newImg.save("newImg.png","PNG")
6.两张图片相加:
Image.blend(img1,img2,alpha) # 这里alpha表示img1和img2的比例参数
7. 点操作:
im.point(function) #,这个function接受一个参数,且对图片中的每一个点执行这个函数
比如:
out=im.point(lambdai:i*1.5)#对每个点进行50%的加强
8. 查看图像信息:
im.format, im.size, im.mode
9. 图片裁剪:
box=(100,100,500,500) #设置要裁剪的区域 region=im.crop(box) #此时,region是一个新的图像对象。
10. 图像黏贴(合并)
im.paste(region,box)#粘贴box大小的region到原先的图片对象中。
11. 通道分离:
r,g,b=im.split()#分割成三个通道,此时r,g,b分别为三个图像对象。
12. 通道合并:
im=Image.merge("RGB",(b,g,r))#将b,r两个通道进行翻转。
13. 改变图像的大小:
out=img.resize((128,128))#resize成128*128像素大小
14. 旋转图像:
out=img.rotate(45) #逆时针旋转45度
有更方便的:
region = region.transpose(Image.ROTATE_180)
15. 图像转换:
out = im.transpose(Image.FLIP_LEFT_RIGHT) #左右对换。 out = im.transpose(Image.FLIP_TOP_BOTTOM) #上下对换
16. 图像类型转换:
im=im.convert("RGBA")
17. 获取某个像素位置的值:
im.getpixel((4,4))
18. 写某个像素位置的值:
img.putpixel((4,4),(255,0,0))
更多关于Python相关内容可查看本站专题:《Python数学运算技巧总结》、《Python图片操作技巧总结》、《Python数据结构与算法教程》、《Python函数使用技巧总结》、《Python字符串操作技巧汇总》及《Python入门与进阶经典教程》
希望本文所述对大家Python程序设计有所帮助。
这个package一直有,老久了,只是一直都是我们内部自己用,没有直接写出来. 直接原文拷贝啦,从http,哈哈. 图像读取 你会发现,Images类只有一个read方法,参数类型是Object // 可以是URL对象 Images.read(new Url("https://www.baidu.com/img/bdlogo.png")); // 可以是路径 Images.read("/dev/
本文向大家介绍Python Opencv图像处理基本操作代码详解,包括了Python Opencv图像处理基本操作代码详解的使用技巧和注意事项,需要的朋友参考一下 1.图像读取 使用cv2.imread(filepath,flags)读入图像 filepath: 读入图像完整路径(绝对路径,相对路径) flags: 读入图像标志 cv2.IMREAD_COLOR:默认参数,读入一副彩色图,忽略al
主要内容:图像裁剪操作,图像拷贝和粘贴图像的剪裁、复制、粘贴是图像处理过程中经常使用的基本操作,Pillow Image 类提供了简单、易用的 API 接口,能够帮助您快速实现这些简单的图像处理操作。 图像裁剪操作 Image 类提供的 crop() 函数允许我们以矩形区域的方式对原图像进行裁剪,函数的语法格式如下: box:表示裁剪区域,默认为 None,表示拷贝原图像。 注意:box 是一个有四个数字的元组参数 (x_左上,y_左
目标 学会: 访问像素值并修改它们 访问图像属性 设置感兴趣区域(ROI) 分割和合并图像 本节中的几乎所有操作都主要与Numpy相关,而不是与OpenCV相关。要使用OpenCV编写更好的优化代码,需要Numpy的丰富知识。 (由于大多数示例都是单行代码,因此示例将在Python终端中显示) 访问和修改像素值 让我们先加载彩色图像: >>> import numpy as np >>> impo
目标 访问像素值并修改它们 访问图像属性 设置图像区域(ROI) 分割和合并图像 本节中几乎所有的操作主要涉及到Numpy而不是OpenCV。需要熟悉Numpy才能用OpenCV编写更好的代码。 1、获取并修改像素值 读取一副图像,根据像素的行和列的坐标获取它的像素值,对于RGB图像而言,返回RGB的值,对于灰度图则返回灰度值 import cv2 import numpy img = cv2.i
本文向大家介绍Python OpenCV处理图像之图像像素点操作,包括了Python OpenCV处理图像之图像像素点操作的使用技巧和注意事项,需要的朋友参考一下 本文实例为大家分享了Python OpenCV图像像素点操作的具体代码,供大家参考,具体内容如下 0x01. 像素 有两种直接操作图片像素点的方法: 第一种办法就是将一张图片看成一个多维的list,例如对于一张图片im,想要操作第四行第