[笔记] Python 常用图像处理库总结

Love The Way You Lie 2022-04-24 08:50 501阅读 0赞

> 经常需要使用 Python 对图像做处理，那就免不了使用一些图像处理库，特地写了这篇博客记录一下常用的图像处理库。

### 目录 ###

1.  **OpenCV 速查表**
2.  **PIL 速查表**
3.  **Matplotlib 速查表**

### 1. OpenCV 速查表 ###

> Open Source Computer Vision, 其更广为人知的名字是OpenCV，是 Intel 开源计算机视觉库，由一系列 C 函数和少量 C++ 类构成，实现了图像处理和计算机视觉方面的很多通用算法。  
> OpenCV 使用 C/C++ 开发，同时也提供了 Python、Java、MATLAB 等其他语言的接口。本文主要是对 OpenCV-Python 的接口进行描述。  
> 此处为相应的文档链接：[\[英文\]][Link 1] [\[中文\]][Link 2]

由 OpenCV 支持的主要格式有：

*  Windows bitmaps（\*.bmp、\*dib）；
 *  Portable image formats（*.pbm、*.pgm、\*.ppm）；
 *  Sun rasters（*.sr、*.ras）；

需要辅助库的格式有：

*  JPEG（*.jpeg、*.jpg、\*.jpe）；
 *  JPEG 2000（\*.jp2）；
 *  Portable Network Graphics（\*.png）；
 *  TIFF（*.tiff、*.tif）；
 *  WebP（\*.webp）；

\-**读取图像并显示图像**

import cv2
    # 读取图像，默认读入彩色图像
    # cv2.imread(path,flag = cv2.IMREAD_COLOR)
    # cv2.IMREAD_COLOR：加载彩色图像。任何形象的透明度将被忽略。这是默认的标志。
    # cv2.IMREAD_GRAYSCALE：以灰度模式加载图像
    # cv2.IMREAD_UNCHANGED：加载包含Alpha通道的图像
    # 除了上面这三个标志，你可以简单地传递整数 1，0，-1。
    img = cv2.imread('example.jpg') # 当该图像不存在时，返回 None
    # 显示图像
    cv2.namedWindow('example',cv2.WINDOW_NORMAL) # 创建窗口
    cv2.imshow('example',example) # 在指定窗口中显示图像
    cv2.waitKey(0) # 等待键盘输入，若传入参数为0，则程序将无限制等待用户的案件事件，否则，程序等待所传入参数对应的毫秒时间后，跳出循环。
    # 如果程序想响应某个按键，可这样写 ：
    # if waitKey(0)==Keyvalue：
    #     pass 
    cv2.destroyAllWindows() # 删除所有建立的窗口，若需删除指定窗口，则使用cv2.destroyWindow()，并传入指定窗口的名称。

\-**保存图像**

import cv2
    # 读取图像
    img = cv2.imread('example.jpg')
    # 保存图像
    # 还可以指定保存图像的品质或压缩率
    # 对于 jpg 图像，cv2.imwrite(path,img,[cv2.IMWRITE_JPEG_QUALITY,90])，参数范围为 0~100
    # 对于 png 图像，cv2.imwrite(path,img,[cv2.IMWRITE_PNG_COMPRESSION,5])，参数范围为 0~9
    cv.imwrite('example.png')

\-**转换图像格式**

import cv2
    img = cv2.imread('example.jpg')
    # 由 RGB 转为 灰度图
    img = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
    # 由 RGB 转为 HSV
    img = cv2.cvtColor(img,cv2.COLOR_BGR2HSV)

\-**图像坐标轴**  
注意：在 OpenCV 中，RGB 图像的通道顺序为 BGR。  
OpenCV 所读进来的图像本身就是一个 np.ndarray 实例，其维度为 (height,width,channels)，其原点坐标位于图像的左上角。

\-**常用方法**

import cv2
    # 读取图像
    img = cv2.imread('example.jpg')
    # 图像缩放
    # cv2 的图像维度一般以 (height,width,channel)存在，但 resize 不同，以(width,height,channel)存在，且默认采用双线性插值。
    # 可选参数 nninterpolation 的取值范围：
    # cv2.INTER_NEAREST	最近邻插值
    # cv2.INTER_LINEAR	双线性插值（默认设置）
    # cv2.INTER_AREA	使用像素区域关系进行重采样。 它可能是图像抽取的首选方法，因为它会产生无云纹理的结果。 但是当图像缩放时，它类似于 INTER_NEAREST方法。
    # cv2.INTER_CUBIC	4x4像素邻域的双三次插值
    # cv2.INTER_LANCZOS4	8x8像素邻域的Lanczos插值
    img = cv2.resize(img,(width,height))
    # 通道分离
    b,g,r = cv2.split(img)
    # 合并通道
    img = cv2.merge((b,g,r))
    # 复制图像
    img = img.copy()
    # 获取ROI
    ROI = img[top:low,left:right]
    # 由 PIL 格式转化为 OpenCV 格式
    img = cv2.cvtColor(numpy.asarray(image),cv2.COLOR_RGB2BGR)

### 2. PIL 速查表 ###

> Python Imaging Library ，或者叫 [PIL][]，简略来说， 是Python图像操作的核心库。  
> 不幸的是，它的开发陷入了停滞，最后一次更新是2009年，只支持到 Python 2.7。  
> 不过，目前仍存在一个活跃的 PIL 开发分支，叫做 [Pillow][]。它很容易安装，运行在虽有的主流操作系统上，而且支持Python 3.x。  
> 此处为相应的文档链接：[\[英文\]][Link 3] [\[中文\]][Link 4]

*  **读取图像，查看图像信息并显示图像**

from PIL import Image
    # 读取图像
    # Image.open() 返回 Image 类的实例，不需要指定图像格式，由文件内容自动确定图像格式。
    img = Image.open('example.jpg')
    # 显示图像
    img.show()
    # Image 类有5个属性，分别如下所示：
    # format : 返回图像的格式(PNG,JPG,None等，。如果图像不是从文件读取的，它的值就是 None。
    # mode : 返回图像的模式，常用模式有 L (luminance) 表示灰度图像, RGB 表示真彩色图像, CMYK 表示出版图像。
    # size : 返回 (width, height)，宽度和高度，单位都是px。
    # palette : 仅当 mode 为 P 时有效，返回 ImagePalette 实例。
    # info : 以字典的形式返回实例的信息。

*  **保存图像**

from PIL import Image
    # 读取图像
    img = Image.open('example.jpg')
    # 保存图像
    # 调用 Image 类的函数 save，save(filename,format) 函数以特定的图像格式保存图像。
    # 若不指定图像格式，save() 方法会根据文件扩展名来选择相应的图像格式。
    img.save('OtherExample.jpg')

*  **转换图像模式**

from PIL import Image
    img = Image.open('example.jpg')
    # 由 RGB 模式转为 L 模式，即将彩色图像转为灰度图像
    img = img.convert('L')

*  **图像与张量的转换**

import numpy as np
    from PIL import Image
    # 读取图像
    img = Image.open('example.jpg')
    # 将 Image 实例转换为 np.ndarray 实例
    img = np.array(img)
    # 将 np.ndarray 实例转换为 Image 实例
    img = Image.fromarray(img)

*  **图像坐标轴**  
    由于 PIL 读取图像后并不是直接以 np.ndarray 的形式存在的，而是以 Image 实例的形式所存在。  
    所以要想探究图像的坐标轴，我们得先进行图像与张量得转换。  
    **查阅[资料][Link 5]后，可以得知：**  
    图片坐标和数组坐标是相反的，坐标原点位于左上角。  
    图片坐标第一维是横向向右，第二维纵向向下。  
    但是数组坐标第一维是纵向向下，第二维横向向右。

import numpy as np
    from PIL import Image
    # 读取图像
    img = Image.open('example.jpg')
    print(img.size) # 输出：(400,200)
    # 将 Image 实例转换为 np.ndarray 实例
    img = np.array(img)
    print(img.shape)# 输出：(200,400,3)

*  **常用方法**

from PIL import Image
    # 读取图像
    img = Image.open('example.jpg')
    # 图像缩放
    img = img.resize((width, height))
    # 带 ANTIALIAS 滤镜缩放结果的图像缩放
    img = img.resize((width, height),Image.ANTIALIAS)
    # 通道分离
    r, g, b = img.split()
    # 合并通道
    img = Image.merge("RGB", (b, g, r))
    # 复制图像
    img = img.copy()
    # 获取 ROI
    ROI = img.crop((left,upper,right,lower))
    # 由 OpenCV 格式转化为 PIL 格式
    image = Image.fromarray(cv2.cvtColor(img,cv2.COLOR_BGR2RGB))

### 3. Matplotlib 速查表 ###

> Matplotlib 应该是 Python 2D-绘图领域使用最广泛的套件，它能让使用者很轻松地将数据图形化，并且提供多样化的输出格式。  
> Matplotlib 的功能和 Matlab 中的画图的功能十分类似，但是 Matlab 进行画图相对来说比较复杂，所以使用 Python 中的 Matplotlib 来画图比较方便。  
> 此处为相应的文档链接：[\[英文\]][Link 6] [\[中文\]][Link 7]

**读取图像并展示图像**

import matplotlib.pyplot as plt # plt 用于显示图片
    import matplotlib.image as mpimg # mpimg 用于读取图片
    
    # 读取图像
    lena = mpimg.imread('example.png') 
    
    # 展示图像
    plt.figure("Image") # 设置窗口名称，窗口大小可通过可选参数 figsize 进行设置
    plt.imshow(img)　   # 绘制图像，若图像为灰度图，应这样写：plt.imshow(img,cmap='gray')
    plt.axis('on') 	    # 显示坐标轴，若不想展示坐标轴，应这样写：plt.axis('off')
    plt.title('image')  # 设置图像名称
    plt.show()　　　　　　# 展示图像
    
    
    img = Image.open(os.path.join('images', '2007_000648' + '.jpg'))
    gray = img.convert('L')
    r,g,b = img.split()
    img_merged = Image.merge('RGB', (r, g, b))
    
    # 同时展示多副图像
    plt.figure("Other Image") 
    plt.suptitle('Multi_Image') 
    plt.subplot(2,2,1), plt.title('1'), plt.imshow(img),plt.axis('off')
    plt.subplot(2,2,2), plt.title('2'), plt.imshow(img),plt.axis('off')
    plt.subplot(2,2,3), plt.title('3'), plt.imshow(img),plt.axis('off')
    plt.subplot(2,2,4), plt.title('4'), plt.imshow(img),plt.axis('off')
    plt.show()
    
    # 保存图像
    plt.savefig("example.jpg")

**常用函数**

import matplotlib.pyplot as plt # plt 用于显示图片
    import matplotlib.image as mpimg # mpimg 用于读取图片
    
    # 绘制函数
    
    # 绘制单个函数：
    plot([x], y, [format1])
    # 绘制多个函数：
    plot([x], y, [format1], [x2], y2, [format2], ..., [xn], [yn], [formatn])
    # 绘制多个函数并对每个函数进行区分：
    plot([x], y, [format1], [label1], [x2], y2, [format2], [label2], ..., [xn], [yn], [formatn], [labeln])
    # 可选参数 [format] 是一个字符串来定义图的基本属性如：颜色（color），点型（marker），线型（linestyle），
    # 具体形式 format = '[color][marker][line]'
    # format 接收的是每个属性的单个字母缩写，例如：
    # plot(x, y, 'bo-')  # 蓝色圆点实线
    
    # 绘制直方图
    plt.bar(x, y)
    # plt.bar(left, height, width=0.8, bottom=None, **kwargs)
    # left，height，width，bottom这四个参数确定了柱体的位置和大小。
    # 默认情况下，left为柱体的居中位置（可以通过align参数来改变left值的含义），即：
    # (left - width / 2, bottom)为左下角位置
    # (left + width / 2, bottom + height)为右上角位置

**参考资料：**

*  [图像处理][Link 8]
 *  [Python各类图像库的图片读写方式总结][Python]
 *  [OpenCV-Python中文教程][OpenCV-Python]
 *  [OpenCV图像坐标系与行列宽高的关系][OpenCV]
 *  [python matplotlib中常用函数][python matplotlib]
 *  [Python图表绘制：matplotlib绘图库入门][Python_matplotlib]
 *  [Python之Matplotlib库常用函数大全（含注释）][Python_Matplotlib]
 *  [python 读取并显示图片的两种方法][python]
 *  [Pyplot 教程][Pyplot]
 *  [matplotlib绘图——柱状图][matplotlib]

--------------------

**如果你看到了这篇文章的最后，并且觉得有帮助的话，麻烦你花几秒钟时间点个赞，或者受累在评论中指出我的错误。谢谢！**

**作者信息：**  
**知乎：[没头脑][Link 9]**  
**CSDN：[Code\_Mart][Code_Mart]**  
**Github：[Tao Pu][]**

[Link 1]: https://opencv-python-tutroals.readthedocs.io/en/latest/
[Link 2]: https://www.kancloud.cn/aollo/aolloopencv/260405
[PIL]: http://www.pythonware.com/products/pil/
[Pillow]: https://python-pillow.org/
[Link 3]: https://pillow.readthedocs.io/en/stable/
[Link 4]: https://pillow-cn.readthedocs.io/zh_CN/latest/
[Link 5]: https://blog.csdn.net/mjl960108/article/details/80186138
[Link 6]: https://matplotlib.org/contents.html
[Link 7]: http://www.runoob.com/w3cnote/matplotlib-tutorial.html
[Link 8]: https://pythonguidecn.readthedocs.io/zh/latest/scenarios/imaging.html
[Python]: https://www.cnblogs.com/skyfsm/p/8276501.html
[OpenCV-Python]: https://www.kancloud.cn/aollo/aolloopencv
[OpenCV]: https://blog.csdn.net/oqqENvY12/article/details/71933651
[python matplotlib]: https://blog.csdn.net/qq_38542085/article/details/78442060
[Python_matplotlib]: https://www.cnblogs.com/wei-li/archive/2012/05/23/2506940.html
[Python_Matplotlib]: https://blog.csdn.net/u011995719/article/details/71124227
[python]: https://www.cnblogs.com/yinxiangnan-charles/p/5928689.html
[Pyplot]: https://lijin-thu.github.io/06.%20matplotlib/06.01%20pyplot%20tutorial.html
[matplotlib]: https://zhuanlan.zhihu.com/p/25128216
[Link 9]: https://www.zhihu.com/people/putao537
[Code_Mart]: https://me.csdn.net/Code_Mart
[Tao Pu]: https://github.com/putao537