图像基础¶

导入相应的包：

In [1]:

  1. import matplotlib.pyplot as plt
  2. import matplotlib.image as mpimg
  3. import numpy as np
  4. %matplotlib inline

臭虫

导入图像¶

我们首先导入上面的图像，注意 matplotlib 默认只支持 PNG 格式的图像，我们可以使用 mpimg.imread 方法读入这幅图像：

In [2]:

  1. img = mpimg.imread('stinkbug.png')

In [3]:

  1. img.shape

Out[3]:

  1. (375L, 500L, 3L)

这是一个 375 x 500 x 3 的 RGB 图像，并且每个像素使用 uint8 分别表示 RGB 三个通道的值。不过在处理的时候，matplotlib 将它们的值归一化到 0.0~1.0 之间：

In [4]:

  1. img.dtype

Out[4]:

  1. dtype('float32')

显示图像¶

使用 plt.imshow() 可以显示图像：

In [5]:

  1. imgplot = plt.imshow(img)

06.05 图像基础 - 图2

伪彩色图像¶

从单通道模拟彩色图像：

In [6]:

  1. lum_img = img[:,:,0]
  2. imgplot = plt.imshow(lum_img)

06.05 图像基础 - 图3

改变 colormap¶

In [7]:

  1. imgplot = plt.imshow(lum_img)
  2. imgplot.set_cmap('hot')

06.05 图像基础 - 图4

In [8]:

  1. imgplot = plt.imshow(lum_img)
  2. imgplot.set_cmap('spectral')

06.05 图像基础 - 图5

显示色度条：

In [9]:

  1. imgplot = plt.imshow(lum_img)
  2. imgplot.set_cmap('spectral')
  3. plt.colorbar()
  4. plt.show()

06.05 图像基础 - 图6

限制显示范围¶

先查看直方图：

In [10]:

  1. plt.hist(lum_img.flatten(), 256, range=(0.0,1.0), fc='k', ec='k')
  2. plt.show()

06.05 图像基础 - 图7

将显示范围设为 0.0-0.7：

In [11]:

  1. imgplot = plt.imshow(lum_img)
  2. imgplot.set_clim(0.0,0.7)

06.05 图像基础 - 图8

resize 操作¶

In [12]:

  1. from PIL import Image
  2. img = Image.open('stinkbug.png')
  3. rsize = img.resize((img.size[0]/10,img.size[1]/10))
  4. rsizeArr = np.asarray(rsize) 
  5. imgplot = plt.imshow(rsizeArr)

06.05 图像基础 - 图9

上面我们将这个图像使用 PIL 的 Image 对象导入，并将其 resize 为原来的 1/100，可以看到很多细节都丢失了。

在画图时，由于画面的大小与实际像素的大小可能不一致，所以不一致的地方会进行插值处理，尝试一下不同的插值方法：

In [13]:

  1. imgplot = plt.imshow(rsizeArr)
  2. imgplot.set_interpolation('nearest')

06.05 图像基础 - 图10

In [14]:

  1. imgplot = plt.imshow(rsizeArr)
  2. imgplot.set_interpolation('bicubic')

06.05 图像基础 - 图11

原文: https://nbviewer.jupyter.org/github/lijin-THU/notes-python/blob/master/06-matplotlib/06.05-image-tutorial.ipynb