使用python以及numpy通过直接操作图像数组完成一系列基本的图像处理
numpy简介：
numpy是一个非常有名的 python 科学计算工具包,其中包含了大量有用的工具,比如数组对象(用来表示向量、矩阵、图像等)以及线性代数函数。
数组对象可以实现数组中重要的操作,比如矩阵乘积、转置、解方程系统、向量乘积和归一化。这为图像变形、对变化进行建模、图像分类、图像聚类等提供了基础。
在上一篇python基本图像操作中,当载入图像时,通过调用 array() 方法将图像转换成numpy的数组对象。numpy 中的数组对象是多维的,可以用来表示向量、矩阵和图像。通过对图像的数组进行直接操作，就可以完成很多图像处理。
numpy的相关知识网上有很多资料，作为python科学计算的基础，还是非常值得认真学习的。
使用图像数组进行基本图像操作：
认识图像数组：
通过下面这几个程序我们看一下图像与灰度图的图像数组，以及numpy数组的切片。
# -*- coding: utf-8 -*-
from pil import image
from pylab import *
#读取图片并转为数组
im = array(image.open(“./source/test.jpg”))
#输出数组的各维度长度以及类型
print im.shape,im.dtype
#输出位于坐标100,100，颜色通道为r的像素值
print im[100,100,0]
#输出坐标100,100的rgb值
print im[100,100]及类型
print im.shape,im.dtype
运行结果：
(600, 500, 3) uint8
64
[ 64 117 195]
我们看到的是一个三维数组，分别代表横坐标，纵坐标和颜色通道。
我们可以通过数组把红蓝通道交换
# -*- coding: utf-8 -*-
from pil import image
from pylab import *
#读取图片并转为数组
im = array(image.open(“./source/test.jpg”))
#红色通道
r = im[:,:,0]
#交换红蓝通道并显示
im[:,:,0] = im[:,:,2]
im[:,:,2] = r
imshow(im)
show()
这里用到了numpy数组的切片方式，关于numpy的资料网上有很多，就不过多叙述了。
运行结果：
在转为数组的过程中我们可以设定数据类型，同时灰度图的图像数组也是有意义的：
# -*- coding: utf-8 -*-
from pil import image
from pylab import *
#读取图片,灰度化，并转为数组
im = array(image.open(“./source/test.jpg”).convert(‘l’),’f’)
#输出数组的各维度长度以及类型
print im.shape,im.dtype
#输出坐标100,100的值
print im[100,100]
运行结果：
(600, 500) float32
110.0
额外的参数‘f’将数组的数据类型转为浮点数
由于灰度图没有颜色信息，所以形状元组只有两个数值
*array()变换的相反操作可以使用pil的fromarray()完成，如im = image.fromarray(im)
图像数组的简单应用——灰度变换：
灰度图像：
灰度数字图像是每个像素只有一个采样颜色的图像。这类图像通常显示为从最暗黑色到最亮的白色的灰度。
可以通过下面几种方法，将图像转换为灰度：
1.浮点算法：gray=r*0.3+g*0.59+b*0.11
2.整数方法：gray=(r*30+g*59+b*11)/100
3.移位方法：gray =(r*76+g*151+b*28)>>8;
4.平均值法：gray=（r+g+b）/3;
5.仅取绿色：gray=g；
通过上述任一种方法求得gray后，将原来的rgb(r,g,b)中的r,g,b统一用gray替换，形成新的颜色rgb(gray,gray,gray)，用它替换原来的rgb(r,g,b)就是灰度图了。
之前已经使用过很多次了，使用python可以通过使用convert(‘l’)来获得灰度图
灰度变换：
将图像读入 numpy 数组对象后,我们可以对它们执行任意数学操作。一个简单的例子就是图像的灰度变换。即任意函数 f ,它将 0…255 区间(或者 0…1 区间)映射到自身。
下面程序中有一些简单的灰度变换：
#-*- coding: utf-8 -*-
from pil import image
from pylab import *
#读取图片,灰度化，并转为数组
im = array(image.open(“./source/test.jpg”).convert(‘l’))
im2 = 255 – im # 对图像进行反相处理
im3 = (100.0/255) * im + 100 # 将图像像素值变换到 100…200 区间
im4 = 255.0 * (im/255.0)**2 # 对图像像素值求平方后得到的图像(二次函数变换，使较暗的像素值变得更小)
#2×2显示结果 使用第一个显示原灰度图
subplot(221)
title(‘f(x) = x’)
gray()
imshow(im)
#2×2显示结果 使用第二个显示反相图
subplot(222)
title(‘f(x) = 255 – x’)
gray()
imshow(im2)
#2×2显示结果 使用第三个显示100-200图
subplot(223)
title(‘f(x) = (100/255)*x + 100’)
gray()
imshow(im3)
#2×2显示结果 使用第四个显示二次函数变换图
subplot(224)
title(‘f(x) =255 *(x/255)^2’)
gray()
imshow(im4)
#输出图中的最大和最小像素值
print int(im.min()),int(im.max())
print int(im2.min()),int(im2.max())
print int(im3.min()),int(im3.max())
print int(im4.min()),int(im4.max())
show()
运行结果：
0 255
0 255
100 200
0 255
可以比较明显的看到灰度变换的结果，，第二张图被反相显示，第三张图像的暗部变亮，亮部变暗，其值被限制在100到200之间，其中最后一张图像通过二次函数变换使较暗的像素值变得更暗。
结语：
本篇博客介绍了python使用图像数组去进行图像操作的过程，包括几个简单的实例，通过数组我们可以对图像进行任意数学操作，是图像变形、图像分类、图像聚类等的基础，希望我的博客对大家有所帮助～