python 截取图片的某个区域_python读取文件夹下所有文件

python 截取图片的某个区域_python读取文件夹下所有文件使用python进行图片处理,现在需要读出图片的任意一块区域,并将其转化为一维数组,方便后续卷积操作的使用。下面使用两种方法进行处理:convert函数fromPILimportImageimportnumpyasnpimportmatplotlib.pyplotaspltdefImageToMatrix(filename):im=Image.open(filename)…

大家好,又见面了,我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。

Jetbrains全系列IDE使用 1年只要46元 售后保障 童叟无欺

使用python进行图片处理,现在需要读出图片的任意一块区域,并将其转化为一维数组,方便后续卷积操作的使用。

下面使用两种方法进行处理:

convert 函数

from PIL import Image

import numpy as np

import matplotlib.pyplot as plt

def ImageToMatrix(filename):

im = Image.open(filename) # 读取图片

im.show() # 显示图片

width,height = im.size

print(“width is :” + str(width))

print(“height is :” + str(height))

im = im.convert(“L”) # pic –> mat 转换,可以选择不同的模式,下面有函数源码具体说明

data = im.getdata()

data = np.matrix(data,dtype=’float’)/255.0

new_data = np.reshape(data * 255.0,(height,width))

new_im = Image.fromarray(new_data)

# 显示从矩阵数据得到的图片

new_im.show()

return new_data

def MatrixToImage(data):

data = data*255

new_im = Image.fromarray(data.astype(np.uint8))

return new_im

”’

convert(self, mode=None, matrix=None, dither=None, palette=0, colors=256)

| Returns a converted copy of this image. For the “P” mode, this

| method translates pixels through the palette. If mode is

| omitted, a mode is chosen so that all information in the image

| and the palette can be represented without a palette.

|

| The current version supports all possible conversions between

| “L”, “RGB” and “CMYK.” The **matrix** argument only supports “L”

| and “RGB”.

|

| When translating a color image to black and white (mode “L”),

| the library uses the ITU-R 601-2 luma transform::

|

| L = R * 299/1000 + G * 587/1000 + B * 114/1000

|

| The default method of converting a greyscale (“L”) or “RGB”

| image into a bilevel (mode “1”) image uses Floyd-Steinberg

| dither to approximate the original image luminosity levels. If

| dither is NONE, all non-zero values are set to 255 (white). To

| use other thresholds, use the :py:meth:`~PIL.Image.Image.point`

| method.

|

| :param mode: The requested mode. See: :ref:`concept-modes`.

| :param matrix: An optional conversion matrix. If given, this

| should be 4- or 12-tuple containing floating point values.

| :param dither: Dithering method, used when converting from

| mode “RGB” to “P” or from “RGB” or “L” to “1”.

| Available methods are NONE or FLOYDSTEINBERG (default).

| :param palette: Palette to use when converting from mode “RGB”

| to “P”. Available palettes are WEB or ADAPTIVE.

| :param colors: Number of colors to use for the ADAPTIVE palette.

| Defaults to 256.

| :rtype: :py:class:`~PIL.Image.Image`

| :returns: An :py:class:`~PIL.Image.Image` object.

”’

原图:

2019012310532413.jpg

filepath = “./imgs/”

imgdata = ImageToMatrix(“./imgs/0001.jpg”)

print(type(imgdata))

print(imgdata.shape)

plt.imshow(imgdata) # 显示图片

plt.axis(‘off’) # 不显示坐标轴

plt.show()

运行结果:

2019012310532414.png

mpimg 函数

import matplotlib.pyplot as plt # plt 用于显示图片

import matplotlib.image as mpimg # mpimg 用于读取图片

import numpy as np

def readPic(picname, filename):

img = mpimg.imread(picname)

# 此时 img 就已经是一个 np.array 了,可以对它进行任意处理

weight,height,n = img.shape #(512, 512, 3)

print(“the original pic: \n” + str(img))

plt.imshow(img) # 显示图片

plt.axis(‘off’) # 不显示坐标轴

plt.show()

# 取reshape后的矩阵的第一维度数据,即所需要的数据列表

img_reshape = img.reshape(1,weight*height*n)[0]

print(“the 1-d image data :\n “+str(img_reshape))

# 截取(300,300)区域的一小块(12*12*3),将该区域的图像数据转换为一维数组

img_cov = np.random.randint(1,2,(12,12,3)) # 这里使用np.ones()初始化数组,会出现数组元素为float类型,使用np.random.randint确保其为int型

for j in range(12):

for i in range(12):

img_cov[i][j] = img[300+i][300+j]

img_reshape = img_cov.reshape(1,12*12*3)[0]

print((img_cov))

print(img_reshape)

# 打印该12*12*3区域的图像

plt.imshow(img_cov)

plt.axis(‘off’)

plt.show()

# 写文件

# open:以append方式打开文件,如果没找到对应的文件,则创建该名称的文件

with open(filename, ‘a’) as f:

f.write(str(img_reshape))

return img_reshape

if __name__ == ‘__main__’:

picname = ‘./imgs/0001.jpg’

readPic(picname, “data.py”)

读出的数据(12*12*3),每个像素点以R、G、B的顺序排列,以及该区域显示为图片的效果:

2019012310532415.png

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持脚本之家。

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。

发布者:全栈程序员-用户IM,转载请注明出处:https://javaforall.cn/194909.html原文链接:https://javaforall.cn

【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛

【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...

(0)
blank

相关推荐

  • android toast居中显示_android Toast 弹出在屏幕中间位置以及自定义Toast

    android toast居中显示_android Toast 弹出在屏幕中间位置以及自定义ToastToast我想我们应该使用的都很多,一般我们使用默认设置较多,但是默认设置往往不能满足我们的需求,那我们现在来自定义下:默认Toast:Toast.makeText(MainActivity.this,”点击按钮”,Toast.LENGTH_SHORT).show();设置Toast位置:通过setGravity设置Toast位置,可以是Gravity.CENTER:中间Gravity.BOTT…

  • ubuntu16.04安装搜狗输入法_ubuntu18.04安装搜狗输入法

    ubuntu16.04安装搜狗输入法_ubuntu18.04安装搜狗输入法首先安装fcitx一、检测是否安装fcitx首先检测是否有fcitx,因为搜狗拼音依赖fcitx>fcitx提示:程序“fcitx”尚未安装。您可以使用以下命令安装:>sudoapt-getinstallfcitx-bin二、安装fcitxsudoapt-getinstallfcitx-bin相关的依赖库和框架都会自动安装上。sudoapt-getinstall…

    2022年10月18日
  • set集合使用详解

    set集合使用详解set集合使用详解“曾经年少爱追梦,一心只想往前飞。”那会高二,刚刚接触c语言,一发不可收拾,还记得当时为了一个想法和朋友一起想到半夜。现在我还是那个少年,那个又菜又爱玩的少年。咳咳,set集合容器,非常好哈!内部是用二叉搜索树实现的,重点是什么呢,容器内每一个元素呀,它只会出现一次,并且是排好序的,你爱了吗?复杂度更是只有O(log2n),非常高效呢。set算是竞赛里面用的比较多的了,因为,很多题目都爱考一些集合什么的。咳咳,来看看使用方式吧。上表:写法说明set

  • 网络编程bind函数详解(转载)

    网络编程bind函数详解(转载)注:该文转载自https://blog.csdn.net/zpznba/article/details/90763798bind函数如何选择绑定地址我们知道bind函数一般用在服务器代码中:s

  • Springcloud分布式事务_分布式事务解决方案框架

    Springcloud分布式事务_分布式事务解决方案框架publicAjaxMessageEntityuserWithdraw(@RequestBodyTPayInfotPayInfo,HttpServletRequestrequest){if(参数校验){//参数校验没有通过,直接返回参数校验错误}if(通过redis做并发控制,使同时提现人数不能…

发表回复

您的电子邮箱地址不会被公开。

关注全栈程序员社区公众号