python的三种图像读取处理存储方法

python中常用的图像读取处理存储方法有三种,分别基于pillow、matplotlib和opencv库。本文分别使用这三种对同一张图片进行读取、灰度化、像素修改、显示、存储操作。

目录

1 Pillow

2 Matplotlib

3 OpenCV

1 Pillow

按照Pillow官方文档的介绍,Pillow是一个图像处理库。同学们可以把官方文档的网址收藏下来,上面提供了各个函数的详细介绍。

from PIL import Image
import numpy as np
im = Image.open("Mikasa.png")
gray = im.convert('L')
im_array = np.array(im)

for i in range(im_array.shape[0]):
    for j in range(im_array.shape[1]):
        im_array[i, j, 0] = 0
im2 = Image.fromarray(im_array)
im2.save("Mikasa-r.png")
im.show()
gray.show()
im2.show()

首先通过open()函数读取图像,使用的图像如下。

python的三种图像读取处理存储方法

之后通过convert()函数将图像灰度化,convert()函数支持的参数如下图,该图截自官方文档对convert()函数的介绍。

python的三种图像读取处理存储方法

得到的灰度图像如下。

python的三种图像读取处理存储方法

python的三种图像读取处理存储方法

2 Matplotlib

按照Matplotlib官网的介绍,matplotlib是一个2D绘图库,与图像处理库的侧重点有所不同。

import matplotlib.pyplot as plt
im = plt.imread("Mikasa.png")
plt.figure(1)
plt.imshow(im)

for i in range(im.shape[0]):
    for j in range(im.shape[1]):
        im[i, j, 0] = 0
plt.imsave("Mikasa-r.png", im)
plt.figure(2)
plt.imshow(im)
plt.show()

上述代码以及得到的图片与PIL所得类似,下面仅作简要说明。首先使用imread()函数读取图片。matplotlib库没有提供灰度化操作,但是读取的图片可以直接通过索引访问像素。值得注意的是imread()仅在读取png格式的图像时,像素值不使用通常的0-255的整数,而是使用0-1的浮点数表示。imsave()函数用于存储图片文件。imshow()函数用于显示图像,默认带有横纵坐标,显示效果如下。

python的三种图像读取处理存储方法

3 OpenCV

照例贴出OpenCV官方文档,OpenCV是一个计算机视觉库,显然是三个库中最重量级的。

import cv2
im = cv2.imread("Mikasa.png")
cv2.imshow("im", im)
gray = cv2.cvtColor(im, cv2.COLOR_BGR2GRAY)
cv2.imshow("gray", gray)
for i in range(im.shape[0]):
    for j in range(im.shape[1]):
        im[i, j, 2] = 0
cv2.imwrite("Mikasa-r.png", im)
cv2.imshow("-r", im)
cv2.waitKey(0)

首先使用imread()函数读取图片。然后使用cvtColor()函数进行灰度化。OpenCV读取的图片也可以通过索引直接访问像素值。imwrite()函数用于存储图像文件。imshow()函数用于显示图像,效果如下。

python的三种图像读取处理存储方法

以上为python的三种图片读取处理存储方法,同学们可以结合用途和个人喜好自行选择任一种方法。如果觉得本文对你有所帮助,别忘了点赞加收藏!

Original: https://blog.csdn.net/qq_42702222/article/details/124800936
Author: 子韭鱼
Title: python的三种图像读取处理存储方法

原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/766325/

转载文章受原作者版权保护。转载请注明原作者出处!

(0)

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