2.6. 使用 NumPy 和 SciPy 进行图像操作和处理¶

作者：Emmanuelle Gouillart, Gaël Varoquaux

本节介绍使用核心科学模块 NumPy 和 SciPy 进行基本的图像操作和处理。本教程中介绍的一些操作可能对除了图像处理之外的其他类型的多维数组处理也很有用。特别是，子模块 scipy.ndimage 提供了对 n 维 NumPy 数组进行操作的函数。

另见

有关更高级的图像处理和图像特定例程，请参见教程 scikit-image: 图像处理，该教程专门介绍 skimage 模块。

本教程中使用的工具:

numpy：基本数组操作
scipy：scipy.ndimage 子模块专门用于图像处理（n 维图像）。请参阅文档
```
>>> import scipy as sp
```

图像处理中的常见任务:

输入/输出，显示图像
基本操作：裁剪、翻转、旋转等
图像滤波：降噪、锐化
图像分割：标记对应于不同对象的像素
分类
特征提取
配准
...

2.6.1. 打开和写入图像文件 ¶

将数组写入文件

importscipyassp
importimageio.v3asiio
f=sp.datasets.face()
iio.imwrite("face.png",f)# uses the Image module (PIL)
importmatplotlib.pyplotasplt
plt.imshow(f)
plt.show()

从图像文件创建 NumPy 数组

>>> importimageio.v3asiio
>>> face=sp.datasets.face()
>>> iio.imwrite('face.png',face)# First we need to create the PNG file
>>> face=iio.imread('face.png')
>>> type(face)
<class 'numpy.ndarray'>
>>> face.shape,face.dtype
((768, 1024, 3), dtype('uint8'))

dtype 是 8 位图像的 uint8（0-255）

打开原始文件（相机、3-D 图像）

>>> face.tofile('face.raw')# Create raw file
>>> face_from_raw=np.fromfile('face.raw',dtype=np.uint8)
>>> face_from_raw.shape
(2359296,)
>>> face_from_raw.shape=(768,1024,3)

需要知道图像的形状和 dtype（如何分离数据字节）。

对于大型数据，使用 np.memmap 进行内存映射

>>> face_memmap=np.memmap('face.raw',dtype=np.uint8,shape=(768,1024,3))

(数据从文件中读取，而不是加载到内存中)

处理图像文件列表

>>> rng=np.random.default_rng(27446968)
>>> foriinrange(10):
... im=rng.integers(0,256,10000,dtype=np.uint8).reshape((100,100))
... iio.imwrite(f'random_{i:02d}.png',im)
>>> fromglobimportglob
>>> filelist=glob('random*.png')
>>> filelist.sort()

2.6.2. 显示图像 ¶

使用 matplotlib 和 imshow 在 matplotlib figure 中显示图像

>>> f=sp.datasets.face(gray=True)# retrieve a grayscale image
>>> importmatplotlib.pyplotasplt
>>> plt.imshow(f,cmap=plt.cm.gray)
<matplotlib.image.AxesImage object at 0x...>

通过设置最小值和最大值来增加对比度

>>> plt.imshow(f,cmap=plt.cm.gray,vmin=30,vmax=200)
<matplotlib.image.AxesImage object at 0x...>
>>> # Remove axes and ticks
>>> plt.axis('off')
(np.float64(-0.5), np.float64(1023.5), np.float64(767.5), np.float64(-0.5))

绘制轮廓线

>>> plt.contour(f,[50,200])
<matplotlib.contour.QuadContourSet ...>