1. Johngo学长首页
  2. 技术点详细复盘专题
  3. 人工智能

[Python从零到壹] 四十一.图像处理基础篇之图像采样处理

• 人工智能 • 阅读 94

欢迎大家来到”Python从零到壹”，在这里我将分享约200篇Python系列文章，带大家一起去学习和玩耍，看看Python这个有趣的世界。所有文章都将结合案例、代码和作者的经验讲解，真心想把自己近十年的编程经验分享给大家，希望对您有所帮助，文章中不足之处也请海涵。Python系列整体框架包括基础语法10篇、网络爬虫30篇、可视化分析10篇、机器学习20篇、大数据分析20篇、图像识别30篇、人工智能40篇、Python安全20篇、其他技巧10篇。您的关注、点赞和转发就是对秀璋最大的支持，知识无价人有情，希望我们都能在人生路上开心快乐、共同成长。

该系列文章主要讲解Python OpenCV图像处理和图像识别知识，前期主要讲解图像处理基础知识、OpenCV基础用法、常用图像绘制方法、图像几何变换等，中期讲解图像处理的各种运算，包括图像点运算、形态学处理、图像锐化、图像增强、图像平滑等，后期研究图像识别、图像分割、图像分类、图像特效处理以及图像处理相关应用。

上一篇文章介绍图像量化处理。这篇文章将详细讲解图像采样处理，包括原理知识、代码实现和局部马赛克处理。希望文章对您有所帮助，如果有不足之处，还请海涵。

文章目录

下载地址：

前文赏析：

第一部分 基础语法

第二部分 网络爬虫

第三部分 数据分析和机器学习

第四部分 Python图像处理基础

第五部分 Python图像运算和图像增强

第六部分 Python图像识别和图像处理经典案例

第七部分 NLP与文本挖掘

第八部分 人工智能入门知识

第九部分 网络攻防与AI安全

第十部分 知识图谱构建实战

扩展部分 人工智能高级案例

作者新开的”娜璋AI安全之家”将专注于Python和安全技术，主要分享Web渗透、系统安全、人工智能、大数据分析、图像识别、恶意代码检测、CVE复现、威胁情报分析等文章。虽然作者是一名技术小白，但会保证每一篇文章都会很用心地撰写，希望这些基础性文章对你有所帮助，在Python和安全路上与大家一起进步。

一.图像采样处理原理

图像采样（Image Sampling）处理是将一幅连续图像在空间上分割成M×N个网格，每个网格用一个亮度值或灰度值来表示，其示意图如图9-1所示。

[Python从零到壹] 四十一.图像处理基础篇之图像采样处理

图像采样的间隔越大，所得图像像素数越少，空间分辨率越低，图像质量越差，甚至出现马赛克效应；相反，图像采样的间隔越小，所得图像像素数越多，空间分辨率越高，图像质量越好，但数据量会相应的增大。图9-2展示了不同采样间隔的”Lena”图，其中图(a)为原始图像，图(b)为128×128的图像采样效果，图©为64×64的图像采样效果，图(d)为32×32的图像采样效果，图(e)为16×16的图像采样效果，图(f)为8×8的图像采样效果[1-3]。

[Python从零到壹] 四十一.图像处理基础篇之图像采样处理

; 二.图像采样实现

下面讲述Python图像采样处理相关代码操作。其核心流程是建立一张临时图片，设置需要采样的区域大小（如16×16），接着循环遍历原始图像中所有像素点，采样区域内的像素点赋值相同（如左上角像素点的灰度值），最终实现图像采样处理。


import cv2
import numpy as np
import matplotlib.pyplot as plt

img = cv2.imread('lena-hd.png')

height = img.shape[0]
width = img.shape[1]

numHeight = int(height/16)
numWidth = int(width/16)

new_img = np.zeros((height, width, 3), np.uint8)

for i in range(16):

    y = i*numHeight
    for j in range(16):

        x = j*numWidth

        b = img[y, x][0]
        g = img[y, x][1]
        r = img[y, x][2]

        for n in range(numHeight):
            for m in range(numWidth):
                new_img[y+n, x+m][0] = np.uint8(b)
                new_img[y+n, x+m][1] = np.uint8(g)
                new_img[y+n, x+m][2] = np.uint8(r)

cv2.imshow("src", img)
cv2.imshow("Sampling", new_img)

cv2.waitKey(0)
cv2.destroyAllWindows()

其输出结果如图9-3所示，它将灰度图像采样成16×16的区域。

[Python从零到壹] 四十一.图像处理基础篇之图像采样处理

同样，可以对彩色图像进行采样处理，下面的代码将”小珞珞”的图像采样处理成8×8的马赛克区域。


import cv2
import numpy as np
import matplotlib.pyplot as plt

img = cv2.imread('luo.png')

height = img.shape[0]
width = img.shape[1]

numHeight = int(height/8)
numwidth = int(width/8)

new_img = np.zeros((height, width, 3), np.uint8)

for i in range(8):

    y = i*numHeight
    for j in range(8):

        x = j*numwidth

        b = img[y, x][0]
        g = img[y, x][1]
        r = img[y, x][2]

        for n in range(numHeight):
            for m in range(numwidth):
                new_img[y+n, x+m][0] = np.uint8(b)
                new_img[y+n, x+m][1] = np.uint8(g)
                new_img[y+n, x+m][2] = np.uint8(r)

cv2.imshow("src", img)
cv2.imshow("Sampling", new_img)

cv2.waitKey(0)
cv2.destroyAllWindows()

其输出结果如图9-4所示，它将彩色图像采样成8×8的区域。

[Python从零到壹] 四十一.图像处理基础篇之图像采样处理

但上述代码存在一个问题，当图像的长度和宽度不能被采样区域整除时，输出图像的最右边和最下边的区域没有被采样处理。这里推荐读者做个求余运算，将不能整除部分的区域也进行相应的采样处理。

三.图像局部采样处理

前面讲述的代码是对整幅图像进行采样处理，那么如何对图像的局部区域进行马赛克处理呢？下面的代码就实现了该功能。当鼠标按下时，它能够给鼠标拖动的区域打上马赛克，并按下”s”键保存图像至本地。


import cv2
import numpy as np
import matplotlib.pyplot as plt

im = cv2.imread('luo.png', 1)

en = False

def draw(event, x, y, flags, param):
    global en

    if event==cv2.EVENT_LBUTTONDOWN:
        en = True

    elif event==cv2.EVENT_MOUSEMOVE and flags==cv2.EVENT_LBUTTONDOWN:

        if en:
            drawMask(y,x)

        elif event==cv2.EVENT_LBUTTONUP:
            en = False

def drawMask(x, y, size=10):

    m = int(x / size * size)
    n = int(y / size * size)
    print(m, n)

    for i in range(size):
        for j in range(size):
            im[m+i][n+j] = im[m][n]

cv2.namedWindow('image')

cv2.setMouseCallback('image', draw)

while(1):
    cv2.imshow('image', im)

    if cv2.waitKey(10)&0xFF==27:
        break

    elif cv2.waitKey(10)&0xFF==115:
        cv2.imwrite('sava.png', im)

cv2.destroyAllWindows()

其输出结果如图9-5所示，它将人物的脸部进行马赛克处理。

[Python从零到壹] 四十一.图像处理基础篇之图像采样处理

四.总结

本文主要讲解了图像的采样处理，从基本概念到操作，再到扩展进行全方位讲解，并且补充了局部马赛克采样处理案例。该部分的知识点能够将生活中的图像转换为数字图像，更好地为后续的图像处理提供帮助。

最近寒假日更，为了感谢读者。同时感谢在求学路上的同行者，不负遇见，勿忘初心。图像处理系列主要包括三部分，分别是：

[Python从零到壹] 四十一.图像处理基础篇之图像采样处理

[Python从零到壹] 四十一.图像处理基础篇之图像采样处理

[Python从零到壹] 四十一.图像处理基础篇之图像采样处理

祝大家新年快乐，虎年大吉，阖家幸福，万事如意，小珞珞给大家拜年了。亲情是真的很美，很治愈。希望小珞珞和他妈妈能开心每一天，全家人身体健康。小珞珞这小样子可爱极了，爱你们喔！

[Python从零到壹] 四十一.图像处理基础篇之图像采样处理

(By:娜璋之家 Eastmount 2022-02-07 夜于贵阳 https://blog.csdn.net/Eastmount )

参考文献：

  • [1]冈萨雷斯著. 数字图像处理（第3版）[M]. 北京：电子工业出版社，2013.

  • [2]Eastmount. [Python图像处理] 三十.图像量化及采样处理万字详细总结[EB/OL]. (2020-11-10). https://blog.csdn.net/Eastmount/article/details/109605161.

  • [3]Eastmount. [数字图像处理] 三.MFC实现图像灰度、采样和量化功能详解[EB/OL]. (2015-05-28). https://blog.csdn.net/eastmount/article/details/46010637.

Original: https://blog.csdn.net/Eastmount/article/details/122812908
Author: Eastmount
Title: [Python从零到壹] 四十一.图像处理基础篇之图像采样处理

原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/641301/

转载文章受原作者版权保护。转载请注明原作者出处！

赞 (0)
0

【自取】最近整理的，有需要可以领取学习：



Linux核心资料大放送~

全栈面试题汇总（持续更新&可下载）

一个提高学习100%效率的工具！

【超详细】深度学习面试题目！

LeetCode Python刷题答案下载！

LeetCode Java版刷题答案下载！

LeetCode C++ 版本，抓紧保存！

LeetCode GO语言 刷题答案下载！

大家都在看

亲爱的 Coder【最近整理，可免费获取】👉 最新必读书单  | 👏 面试题下载  | 🌎 免费的AI知识星球