admin 管理员组

文章数量: 1086865

python RGB图像处理

RGB图像扩增

  • 旋转
  • 平移
  • 翻转
  • 裁剪
  • 拼接
  • 加噪（高斯白噪声）
  • 边缘提取canny
  • 边缘提取（灰度、二值）
  • 平滑去噪（去高斯）

旋转

from PIL import Image
img = Image.open('img/imageRaw.png')
img = img.rotate(100)# 将图片旋转100度
img.save("img/rotateImg.png")

平移

from PIL import Image,ImageChops
width, height = img.size
c = ImageChops.offset(img,50,10)#平移距离（img，xoff,yoff）
c.paste((0,0,0),(0,0,50,height))
c.paste((0,0,0),(0,0,width,10))
c.save("img/moveImg.png")

翻转

import cv2
import matplotlib.pyplot as plt
image = cv2.imread("img/imageRaw.png")
scr = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
#0以X轴对称翻转，>0以Y轴对称翻转，<0以X轴Y轴同时翻转
image1 = cv2.flip(scr, 0)
image2 = cv2.flip(scr, 1)
image3 = cv2.flip(scr, -1)
titles = ["raw", "x", "y", "x_y"]
images = [scr, image1, image2, image3]
for i in range(4):plt.subplot(2,2,i+1), plt.imshow(images[i])plt.xticks([]), plt.yticks([])plt.title(titles[i])
plt.savefig("img/flip.png")

裁剪

from PIL import Image
img = Image.open("img/imageRaw.png")
#x0,y0为裁剪区域左上坐标；x1,y1为裁剪区域右下坐标
crop_img = img.crop((50,50,300,300))#不能都是50，因为没有图片
crop_img.save("img/crop.png")

拼接

from PIL import Image
img1 = Image.open("img/imageRaw.png")
img2 = Image.open("img/imageRaw2.png")
# 单幅图像尺寸
width, height = img1.size
# 创建空白长图
result = Image.new('RGBA', (width, height * 2))
# 拼接图片
result.paste(img1, box=(0, 0))
result.paste(img2, box=(0, height))
# 保存图片
result.save('img/res1.png')

加噪（高斯白噪声）

# 添加噪声
import cv2
import numpy as np
#读取图片
img = cv2.imread("img/imageRaw.png")
width= img.size
#设置高斯分布的均值和方差
mean = 100
#设置高斯分布的标准差
sigma = 100
#根据均值和标准差生成符合高斯分布的噪声
gauss = np.random.normal(mean,sigma)
#给图片添加高斯噪声
noisy_img = img + gauss
#设置图片添加高斯噪声之后的像素值的范围
noisy_img = np.clip(noisy_img,a_min=0,a_max=255)
#保存图片
cv2.imwrite("img/noisy_img.png",noisy_img)

边缘提取canny

import cv2
original_img = cv2.imread("img/img.png", 0)
# canny(): 边缘检测
img1 = cv2.GaussianBlur(original_img, (3, 3), 0)
canny = cv2.Canny(img1, 70, 100)
cv2.imwrite("img/canny1.png",canny)

边缘提取（灰度、二值）

import cv2
import numpy as np
img = cv2.imread("img/imageRaw.png")
# 灰度
gray_img = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
# 二值化
def get_binary_img(img):# gray img to bin imagebin_img = np.zeros(shape=(img.shape), dtype=np.uint8)h = img.shape[0]w = img.shape[1]for i in range(h):for j in range(w):bin_img[i][j] = 255 if img[i][j] > 90 else 0return bin_img
# 调用
bin_img = get_binary_img(gray_img)
# 提取轮廓
def get_contour(bin_img):# get contourcontour_img = np.zeros(shape=(bin_img.shape),dtype=np.uint8)contour_img += 255h = bin_img.shape[0]w = bin_img.shape[1]for i in range(1,h-1):for j in range(1,w-1):if(bin_img[i][j]==0):contour_img[i][j] = 0sum = 0sum += bin_img[i - 1][j + 1]sum += bin_img[i][j + 1]sum += bin_img[i + 1][j + 1]sum += bin_img[i - 1][j]sum += bin_img[i + 1][j]sum += bin_img[i - 1][j - 1]sum += bin_img[i][j - 1]sum += bin_img[i + 1][j - 1]if sum ==  0:contour_img[i][j] = 255return contour_img
# 调用
contour_img = get_contour(bin_img)
def get_converse(img):h = img.shape[0]w = img.shape[1]for i in range(h):for j in range(w):bin_img[i][j] = 0 if img[i][j] == 255 else 255return bin_img
contour_img = get_converse(contour_img)
cv2.imwrite("img/canny2.png",contour_img)

平滑去噪（去高斯）

import cv2
from matplotlib import pyplot as plt
noisy_img = cv2.imread("img/noisy_img.png")
result = cv2.GaussianBlur(noisy_img, (3, 3), 0)
cv2.imwrite("img/GaussianBlur.png",result)

本文标签： python RGB图像处理

版权声明：本文标题：python RGB图像处理 内容由网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：http://www.roclinux.cn/p/1697868912a276695.html， 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。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。