python讀取影像的幾種方式

本文介紹幾種基于python的影像讀取方式：

基于PIL庫的影像讀取、保存和顯示
基于opencv-python的影像讀取、保存和顯示
基于matplotlib的影像讀取、保存和顯示
基于scikit-image的影像讀取、保存和顯示
基于imageio的影像讀取、保存和顯示

安裝方式基本使用pip即可：

pip install pillow
pip install scikit-image
pip install matplotlib 
pip install opencv-python
pip install numpy scipy scikit-learn

基于PIL庫的影像讀取、保存和顯示

from PIL import Image

設定圖片名字

img_path = './test.png'

用PIL的open函式讀取圖片

img = Image.open(img_path)

讀進來是一個Image物件

img

請添加圖片描述

查看圖片的mode

img.mode

'RGB'

用PIL函式convert將彩色RGB影像轉換為灰度影像

img_g = img.convert('L')

img_g.mode

'L'

img_g.save('./test_gray.png')

使用PIL庫的crop函式可對影像進行裁剪

img_c = img.crop((100,50,200,150))
img_c

請添加圖片描述

影像旋轉

img.rotate(45)

請添加圖片描述

在影像上添加文字

from PIL import ImageDraw, ImageFont
draw = ImageDraw.Draw(img)
font = ImageFont.truetype('/home/fsf/Fonts/ariali.ttf',size=24)
draw.text((10,5), "This is a picture of sunspot.", font=font)
del draw
img

請添加圖片描述

基于opencv-python的影像讀取、保存和顯示

import cv2

img = cv2.imread('./test.png')

使用cv2都進來是一個numpy矩陣，像素值介于0~255，可以使用matplotlib進行展示

img.min(), img.max()

(0, 255)

import matplotlib.pyplot as plt
plt.imshow(img)
plt.axis('off')
plt.show()

基于matplotlib的影像讀取、顯示和保存

import matplotlib.image as mpimg

img = mpimg.imread('./test.png')

img.min(),img.max()

(0.0, 1.0)

像素值介于0~1之間，可以使用如下方法進行展示

import matplotlib.pyplot as plt
plt.imshow(img,interpolation='spline16')
plt.axis('off')
plt.show()

注意：matplotlib在進行imshow時，可以進行不同程度的插值，當繪制影像很小時，這些方法比較有用，如上所示就是用了樣條插值，

基于scikit-image的影像讀取、保存和顯示

from skimage.io import imread, imsave, imshow

img = imread('./test.png')

這個和opencv-python類似，讀取進來也是numpy矩陣，像素值介于0~255之間

img.min(), img.max()

(0, 255)

import matplotlib.pyplot as plt
plt.imshow(img,interpolation='spline16')
plt.axis('off')
plt.show()

基于imageio的影像讀取、顯示和保存

import imageio

img = imageio.imread('./test.png')

img.min(), img.max()

(0, 255)

這個和opencv-python、scikit-image類似，讀取進來也都是numpy矩陣，像素值介于0~255之間

import matplotlib.pyplot as plt
plt.imshow(img,interpolation='spline16')
plt.axis('off')
plt.show()

轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/303130.html

標籤：其他

上一篇：風格遷移（Style Transfer）首次學習總結

下一篇：數字影像處理：影像直方圖基礎知識介紹