图像的表示和可视化

图像的表示读取skimageopencv 颜色通道操作编写一个数字图像读入，显示，区域裁剪的程序，并分别显示R，G，B三个通道的图像 后续 经过采样和量化之后，图像I已经称为空间位置和响应值均离散的数字图像。图像上的每个位置（x,y）以及其对应量化响应值称为一个像素。

图像的表示

二维矩阵是表示数字图像的重要数字形式。一幅M*N的图像可以表示为矩阵，矩阵中的每个元素称为图像的像素。每个像素都有它自己的空间位置和值，值是这一位置像素的颜色或者强度。 与图像相关的重要指标是图像分辨率。图像分辨率是指组成一幅图像的像素密度。对同样大小的一幅图，组成该图的图像像素数目越多，说明图像的分辨率越高，看起来越来越逼真。相反，像素越少，图像越粗糙。图像分辨率包括空间分辨率和灰度级（响应幅度）分辨率。空间分辨率是图像中可辩别的最小空间细节，取样值多少是决定图像空间分辨率的主要参数。

读取

skimage

from skimage import io,data,color from matplotlib import pyplot as plt img=io.imread('123.jpg') img1=data.astronaut() print(img.shape) img0=io.imread('123.jpg',as_gray=True) print("图像类型：",type(img))#显示类型 print("图像大小：",img.shape)#显示类型 print(img.shape[0]) print(img.shape[1]) print(img.shape[2]) print(img.size) print(img.max()) print(img.min()) print(img.mean()) print(img[0][0]) plt.subplot(211),io.imshow(img) plt.title('Input Image'),plt.xticks([]),plt.yticks([]) plt.subplot(212),io.imshow(img0) plt.show()

opencv

import cv2 as cv img=cv.imread('123.jpg') print("图像类型：",type(img))#显示类型 print("图像大小：",img.shape)#显示类型 print(img.shape[0]) print(img.shape[1]) print(img.shape[2]) print(img.size) print(img.max()) print(img.min()) print(img.mean()) print(img[0][0]) img1=cv.imread('123.jpg',0) cv.imshow('Color',img) cv.imshow('gray',img1) cv.waitKey(0) cv.destroyAllWindows()

颜色通道操作

from skimage import io,data,color from matplotlib import pyplot as plt image=io.imread('123.jpg') image_r=image[:,:,0] image_g=image[:,:,1] image_b=image[:,:,2] plt.subplot(2,2,1) io.imshow(image) plt.subplot(2,2,2) io.imshow(image_r) plt.subplot(2,2,3) io.imshow(image_g) plt.subplot(2,2,4) io.imshow(image_b) plt.show()

编写一个数字图像读入，显示，区域裁剪的程序，并分别显示R，G，B三个通道的图像

from PIL import Image import matplotlib.pyplot as plt from skimage import io img2 = io.imread('456.jpg') img = Image.open('456.jpg') # 打开图像. gray = img.convert('L') # 转换成灰度 r, g, b = img.split() # 分离三通道 pic = Image.merge('RGB', (r, g, b)) # 合并三通道 plt.figure("beauty") plt.subplot(3, 3, 1), plt.title('origin') plt.imshow(img), plt.axis('off') # 图像裁剪 img3 = img2[20:400, 50:1000] plt.figure("beauty") plt.subplot(3, 3, 7), plt.title('caijian') plt.imshow(img3), plt.axis('off') plt.subplot(3, 3, 4), plt.title('r') plt.imshow(r, cmap='gray'), plt.axis('off') plt.subplot(3, 3, 5), plt.title('g') plt.imshow(g, cmap='gray'), plt.axis('off') plt.subplot(3, 3, 6), plt.title('b') plt.imshow(b, cmap='gray'), plt.axis('off') plt.show()

后续

如果想了解更多物联网、智能家居项目知识，可以关注我的项目实战专栏。 或者关注公众号。

编写不易，感谢支持。