Python各种图像库的图像读写方式的简单介绍（附代码）

import cv2

#读取图像 直接是numpy矩阵格式

img = cv2.imread('horse.jpg',1) # 0表示读入灰色图片，1表示读入彩色图片

cv2.imshow('image',img) # 显示图像

print(img.shape)   # （height，width，channel）

print(img.size)    # 像素数量

print(img.dtype)   # 数据类型

print(img)         # 打印图像的numpy数组，3纬数组

#储存图像

# 当前目录储存

cv2.write(‘horse1.jpg',img)

# 自定义储存

cv2.write(‘/path_name/’ + str(image_name) + '.jpg',img)

cv2.waitKey()

import cv2

#方法一

img = cv2.imread('horse.jpg',0) # 0表示读入灰色图片,或者使用cv2.IMREAD_GRATSCALE 替代0

cv2.imshow('gray image',img)

#方法二

img = cv2.imread('horse.jpg')

gray_img = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

cv2.imshow('gray image',gray_img)

print(gray_img.shape) # (height, width)

print(gray_img.size)  # 像素数量

print(gray_img)       # 打印图像的numpy数组，2维

cv2.waitKey()

import cv2

import numpy as np

img = cv2.imread('horse.jpg',1)

cv2.imshow('image',img)

# 矩阵格式的变换

print(img.shape)

img = img.transpose(2,0,1) #变换函数

print(img.shape)

# 矩阵扩展 (batch_size, channels, height, width) 预测单张图片的操作

# 加一列作为图片的个数

img = np.expand_dims(img, axis=0) #使用numpy函数

print(img.shape)

# 训练阶段构建batchdata_lst = []

loop:

    img = cv2.imread('xxx.jpg')

    data_lst.append(img)

data_arr = np.array(data_lst)

import cv2

# 为了减少计算量，需要把像素值0-255转换到0-1之间

img = cv2.imread('horse.jpg')

img = img.astype('float') / 255.0 # 先转化数据类型为float

print(img.dtype)

print(img)

import cv2

img = cv2.imread('horse.jpg')

img = cv2.cvtColor(img,cv2.COLOR_BGR2RGB) # 转为RGB format

print(img)

import cv2

img = cv2.imread('horse.jpg')

gray_img = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) # 转为Gray image

print(img[4,4])        # 3 channels

print(gray_img[4,4])   # 1 channel

import cv2

img = cv2.imread('horse.jpg')

print(img.shape)

roi = img[0:437,0:400] # [y:height,x:width]

cv2.imshow('roi',roi)

cv2.waitKey()

from PIL import Image

import numpy as np

#图像读取

img = Image.open('horse.jpg')

print(img.format) # 图片格式

print(img.size)   # (width,height)

print(img.mode)   # 图片通道类型

#将图像转化为矩阵格式

arr = np.array(img)

print(arr.shape)

print(arr.dtype)

#图像储存

new_img = Image.fromarray(arr)

new_img.save('test.jpg')

img.show()

#图像灰化处理

gray = Image.open('horse.jpg').convert('L')

gray_arr = np.array(gray)

print(gray_arr.shape) # (height,width)

print(gray_arr.dtype)

print(gray_arr)

gray.show()

# 感兴趣区域剪切

img = Image.open('horse.jpg')

roi = img.crop((0,0,200,200)) # (左上x，左上y，右下x，右下y)

roi.show()

# 通道处理

r,g,b = img.split() #分离

img = Image.merge("RGB",(b,g,r)) #合并

img = img.copy() #复制

import matplotlib.pyplot as plt

import numpy as np

# 图像读取为numpy数组格式

img = plt.imread('horse.jpg')

plt.axis('off') # 关闭刻度显示

print(img.shape) # (height, width, channel)

print(img.size) # 像素数量

print(img.dtype)

#储存图片

plt.savefig('./name.jpg')

figure = plt.figure(figsize=(20,10)) # 调整显示图片的大小

plt.imshow(img)

plt.show()

#图片灰化处理

# 平均值发

img_mean = img.mean(axis=2)

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

plt.show()

#最大值法

img_max = img.max(axis=-1)

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

plt.show()

#RGB三原色法

gravity = np.array([0.299,0.587,0.114])

img_gravity = np.dot(img,gravity)

plt.imshow(img_gravity,cmap="gray")

plt.show()

from skimage import io

#读取图像numpy数组格式

img = io.imread('horse.jpg')

print(img.shape)

print(img.dtype)

print(img.size)

#print(img)

io.imshow(img)

#储存图像

io.imsave('test.jpg',img)

#图像灰化处理并归一化

img = io.imread('horse.jpg',as_gray=True)

print(img.shape)

print(img.dtype) # 数据类型位float

print(img.size)

print(img)

io.imshow(img)

io.show()

#在1.2.0 之后统一用imageio模块

import imageio

import matplotlib.pyplot as plt

#读取图片为numpy数组

img = imageio.imread('horse.jpg')

print(img.dtype)

print(img.size)  # 像素数量

print(img.shape) #(height, width, channels)

plt.imshow(img)

plt.show()

print(img)

#储存图片

imageio.imsave('test.jpg',img)