python3-处理不同文件格式的图像类型

发布时间：2021-07-27 15:23:03编辑：run阅读（3434）

文件格式:

  图像文件可以有不同的格式,其中流行的格式包括BMP(8位,24位,32位)，PNG，JPG，JPEG，GIF，PPM，PNM，TIFF等。

  python图像处理将读取图像，并提取数据和一些有用的信息(图像尺寸，类型/模式和数据类型)




从一种文件格式转换为另一种文件格式,将PNG格式转换为JPG格式，

例:

from PIL import Image

im = Image.open(r'D:\image_processing\111.png')
print(im.mode)  
# RGB 模式
im.save(r'D:\image_processing\111.jpg')




但如果PNG文件是在RGBA模式下，则需要将其保存为JPG格式之前将其转换为RGB模式后，才能转换，否则报错

from PIL import Image

im = Image.open(r'D:\image_processing\222.png')
print(im.mode)
im.convert('RGB').save(r'D:\image_processing\222.jpg')




图像类型(模式)

单通道模式。每个元素由单个值表示。包括二值(单色)图像(每个像素由一个0~1表示)和灰度图像(每个像素由8位表示,其值通常在0~255内)都是单通道图像

多通道图像。每个元素由一组值表示。多通道图像包括三通道图像和四通道图像。

2.1 三通道图像。RGB图像和HSV图像都是三通道图像。RGB图像的每个像素由三元组(r,g,b)值表示，这三个值分别表示每个像素的红色，绿色和蓝色的通道颜色值。HSV图像的每个像素由三元组(h,s,v)值表示，这三个值分别表示每个像素的色调(颜色)，饱和度(色彩，即颜色与白色的混合程度)和值(亮度,即颜色与黑色的混合程度)的通道颜色值。HSV模型描述颜色的方式与人眼感知的方式是相似的。

2.2 四通道图像。RGBA图像的每个元素由四元组(r,g,b,a)值表示，其中最后一个通道表示透明度。

一种图像模式转换为另一种图像模式，例可以将RGB图像转换为灰度图像：




1. from skimage.io import imread, imsave, imshow, show, imread_collection, imshow_collection
   
   im = imread(r'D:\image_processing\image_material\111.jpg', as_gray=True)
   print(im.shape)
   imshow(im)
   show()

   




将某些图像转换为灰度图像时，可能会丢失一些信息(失真).

使用color模块中的rgb2gray函数，彩色图像和灰度图像并排显示

例:

from skimage.io import imread
from skimage import color
import matplotlib.pylab as plt

im = imread(r'D:\image_processing\image_material\555.jpg')
im_g = color.rgb2grey(im)
plt.subplot(121),plt.imshow(im, cmap='gray'),plt.axis('off')
plt.subplot(122),plt.imshow(im_g, cmap='gray'),plt.axis('off')
plt.show()



数字很明显几乎看不清楚了。




颜色空间-通道

图像的几个常用通道/颜色空间包括RGB，HSV，XYZ，YUV，YIQ，YPBPR，YCBCR和YDBDR，使用仿射映射将图像从一个颜色空间转换到另一个颜色空间。

例：将图像从RGB颜色空间转换为HSV颜色空间

from skimage.io import imread
from skimage import color
import matplotlib.pylab as plt

# 指定默认字体
plt.rcParams['font.sans-serif'] = ['KaiTi']
# 解决保存图像是负号'-'显示为方块的问题
plt.rcParams['axes.unicode_minus'] = False
im = imread(r'D:\image_processing\image_material\666.jpg')
im_hsv = color.rgb2hsv(im)
plt.gray()
plt.figure(figsize=(10,8))
plt.subplot(221), plt.imshow(im_hsv[...,0]), plt.title('H通道', size=20),
plt.axis('off')
plt.subplot(222), plt.imshow(im_hsv[...,1]), plt.title('s通道', size=20),
plt.axis('off')
plt.subplot(223), plt.imshow(im_hsv[...,2]), plt.title('v通道', size=20),
plt.axis('off')
plt.subplot(224), plt.imshow(im), plt.title('原图', size=20),
plt.axis('off')
plt.show()






存储图像的数据结构

PIL使用Image对象存储图像，而scikit-image使用numpy ndarray数据结构存储图像数据，如何在这两种数据结构之间进行转换。

转换图像数据结构.

import matplotlib.pylab as plt
import numpy as np
from PIL import Image

im = Image.open(r'D:\image_processing\image_material\a.jpg')
im = np.array(im)
imshow(im)
plt.axis('off')
show()






将numpy ndarray转换为PIL的image对象

from skimage.io import imread
from PIL import Image

im = imread(r'D:\image_processing\image_material\a.jpg')
am = Image.fromarray(im)
am.show()

关键字：