Python图像处理实战：PIL、Matplotlib与Numpy基础操作详解
本文详细总结Python中进行图像处理的基础操作。涵盖PIL库的图像读取、格式转换及文件列表获取；利用Matplotlib进行图像绘制、轮廓检测、直方图分析及交互式标注；并通过Numpy解析图像数组结构，实现灰度变换、反向处理及非线性映射等核心算法，为开发者提供实用的代码示例与操作解析。
一、PIL库对图像的基本操作
1、读取图片
关于PIL库的网络教程众多，此处略过基础介绍，直接演示核心用法：读取指定图片，将其转换为灰度图像，并在终端打印处理结果。
from PIL import Image
import matplotlib.pyplot as plt
pil_im = Image.open("empire.jpeg")
pil_image = pil_im.convert("L")
plt.gray()
plt.imshow(pil_image)
plt.show()运行上述代码后的输出结果如下所示：
2、转换图片格式
PIL支持将图像保存为多种格式，以下示例演示如何将PNG格式的文件转换为JPG格式：
from PIL import Image
import glob
import os
filelist = glob.glob("E:/pythonProject1/filelist/*.png")
for infile in filelist:
outfile = os.path.splitext(infile)[0]+'.jpg'
if infile != outfile:
try:
Image.open(infile).save(outfile)
except IOError:
print("cannot convert", infile)执行转换后的输出结果如下所示：
3、输出文件夹中所有图片的文件名列表
import os
def get_imlist(path):
"""返回目录中所有JPG图像的文件名列表"""
return [os.path.join(path,f)for f in os.listdir(path) if f.endswith('.jpg')]
print(get_imlist("E:/pythonProject1/filelist/"))程序最终输出包含所有图片文件名的列表。
二、Matplotlib
1、绘制图像、点和线
from PIL import Image
from pylab import *
#读取图像到数组中
im = array(Image.open("empire.jpeg"))
#绘制图像
imshow(im)
#一些点
x = [100, 100, 400, 400]
y = [200, 500, 200, 500]
#使用红色星状标记绘制点
plot(x, y)#默认为蓝色实线
# plot(x, y, 'r*')#红色星状标记
# plot(x, y, 'go-')#带有圆圈标记的绿线
# plot(x, y, 'ks')#带有正方形标记的黑色虚线
#绘制连接前三个点的线
plot(x[:3], y[:3])
axis('off')
#添加标题，显示绘制的图像
titles = ['empire']
plt.title = titles
show()上述代码首先渲染原始图像，随后在x和y坐标列表中指定的位置绘制红色星状标记点，最后在前两个点之间绘制一条连接线。该示例的绘制效果如下图所示：
2、图像轮廓和直方图
绘制图像轮廓需对每个坐标[x, y]的像素值应用统一阈值，因此首要步骤是将图像灰度化。此处调用PIL的convert()方法将图像转换为灰度模式。此外，图像直方图用于表征像素值的分布情况。
from PIL import Image
from pylab import *
# 读取图像到数组中
im = array(Image.open("empire.jpeg").convert('L'))
#创建一个图像
figure()
#不使用颜色信息
gray()
#在原点的左上角显示轮廓图像
contour(im, origin = 'image')#检测图像轮廓
axis('equal')
axis('off')
show()
#新建一个图像
figure
hist(im.flatten(), 128)#绘制图像直方图
show()生成的图像轮廓图输出如下所示：
生成的图像直方图输出如下所示：
3、交互式标注
若需在图像中标记特定点或标注训练数据，可使用PyLab库中的ginput()函数实现交互式标注功能。在图像窗口中点击三次，程序会自动将这三个点的坐标[x, y]保存至x列表中。
from PIL import Image
from pylab import *
im = array(Image.open("empire.jpeg"))
imshow(im)
print("please click 3 points")
x = ginput(3)
print("you clicked",x)
show()三、Numpy
1、图像数组表示
针对图像数据的存储方式，以下示例进行了具体阐述。
from PIL import Image
import numpy as np
im = np.array(Image.open("empire.jpeg"))
print(im.shape,im.dtype)输出结果为： (1024, 683, 3) uint8
元组中的第一个元素表示图像数组的尺寸（行、列、颜色通道数），紧随其后的字符串表示数组元素的数据类型。由于图像通常编码为无符号八位整数（uint8），载入图像并转换为数组后，其数据类型即为“uint8”。
2、灰度变换
对图像执行灰度变换的操作如下所示：
from PIL import Image
import numpy as np
im = np.array(Image.open("empire.jpeg"))
print(im.shape,im.dtype)
from PIL import Image
from matplotlib.pylab import plt
from numpy import *
im1 = array(Image.open('empire.jpeg').convert('L'))
im2 = 255 - im1 #对图像进行反向处理
im3 = (100.0/255) * im1 + 100 #将图像值变换到100-200之间
im4 = 255.0 * (im1/255) ** 2 #对图像像素值求平方后得到的图像
images = [im1, im2, im3, im4]
titles = ["f(x) = x", "f(x) = 255 - x", "f(x) = (100/255)*x +100", "f(x) = 255*(x/255)^2"]
#输出图中的最大像素值和最小像素值
print(int(im1.min()),int(im1.max()))
print(int(im2.min()),int(im2.max()))
print(int(im3.min()),int(im3.max()))
print(int(im4.min()),int(im4.max()))
for i in range(4):
plt.subplot(2, 2, i+1)#2行2列，按编号顺序排列
plt.imshow(images[i])#显示图像
plt.title(titles[i])#显示标题
plt.gray()
# plt.xticks([])
# plt.yticks([])
plt.axis('equal')
plt.axis('off')
plt.show()变换后的输出结果如下所示：
总结
至此，关于Python图像处理基本操作的讲解已完成。如需了解更多相关Python图像处理内容，建议搜索本站历史文章或继续浏览后续相关文章，感谢大家的支持！
免责声明：本文内容仅供参考，不代表本站观点。转载或引用请注明出处。
