基础

在本笔记本中，我们介绍了阅读、显示、浏览和保存图像的基本方法。

from PIL import Image
import numpy as np
import matplotlib.pyplot as plt
from matplotlib import cm
from scipy import ndimage
import os
%matplotlib nbagg

您可以在此处下载本示例中使用的图像： rabbit.jpg .如果图像与笔记本本身位于同一目录中，则以下代码将起作用。

首先，让我们检查一下 rabbit.jpg 在当前目录中。

files = os.listdir("./")
if "rabbit.jpg" in files:
    print("Ok, the file is in {0}".format(files))
else:
    print("The file is not in {0} , retry !".format(files))

Ok, the file is in ['rabbit.jpg', '.ipynb_checkpoints', '00_Basics.ipynb']

现在让我们用 python图像库（又称pil） ：

im = Image.open("rabbit.jpg")
im

数字图像

数字图像主要有两种：

矢量图像 由基本的几何图形组成，如直线和多边形。它们非常有效地存储方案或曲线。它们通常存储为 .svg ， .pfg 或 .eps 文件夹。在本教程中，我们将不处理此类图像。
栅格图像 ，也称为位图其中数据是作为矩阵的结构像素 .每个像素可以包含1到4个调用的值渠道 .然后，图像可以按其频道数进行子分类：
- 单通道图像称为灰度，
- 大多数彩色图像使用3个通道，一个用于红色（R），一个用于绿色（G），一个用于蓝色（B）。它们被称为RGB图像。
- 一些图像格式使用第四个通道 阿尔法 对应于给定像素的透明度级别。

在当前图像中，可以得到如下的信道结构：

im.getbands()

('R', 'G', 'B')

从图像到 `numpy`

现在，可以提取如下信道数据：

R, G, B = im.split()
R = np.array(R)
G = np.array(G)
B = np.array(B)
R

array([[ 78,  85,  96, ...,  79,  70,  64],
       [ 72,  76,  84, ...,  99,  93,  89],
       [ 69,  71,  75, ..., 108, 101,  95],
       ...,
       [120, 115, 101, ...,  73,  64,  38],
       [130, 109,  80, ...,  73,  58,  31],
       [113,  84,  60, ...,  72,  68,  53]], dtype=uint8)

fig = plt.figure()
ax1 = fig.add_subplot(1, 3, 1)
plt.title("R")
plt.imshow(R, cmap = cm.gray)
ax1.axis("off")
ax1 = fig.add_subplot(1, 3, 2)
plt.title("G")
plt.imshow(G, cmap = cm.gray)
ax1.axis("off")
ax1 = fig.add_subplot(1, 3, 3)
plt.title("B")
plt.imshow(B, cmap = cm.gray)
ax1.axis("off")
plt.show()

<IPython.core.display.Javascript object>

从 `numpy` 到图像

现在让我们看看如何从numpy创建图像。

r2 = np.arange(256).astype(np.uint8)
g2 = np.arange(256).astype(np.uint8)
R2, G2 = np.meshgrid(r2, g2)
B2 = np.zeros_like(R2).astype(np.uint8)

im2 = Image.fromarray(np.dstack([R2, G2, B2]))
im2

让我们把它应用到兔子图像中。例如，我们可以切换频道：

im3 = Image.fromarray(np.dstack([G, R, B]))
im3

基础

数字图像

从图像到 numpy

从 numpy 到图像

从图像到 `numpy`

从 `numpy` 到图像