Python图像处理(2)
来源:互联网 发布:unity3d百度地图映射 编辑:程序博客网 时间:2024/06/15 05:32
图像的批量处理
有些时候,我们不仅要对一张图片进行处理,可能还会对一批图片处理。这时候,我们可以通过循环来执行处理,也可以调用程序自带的图片集合来处理。
图片集合函数为:
skimage.io.ImageCollection(load_pattern,load_func=None)
这个函数是放在io模块内的,带两个参数,第一个参数load_pattern, 表示图片组的路径,可以是一个str字符串。第二个参数load_func是一个回调函数,我们对图片进行批量处理就可以通过这个回调函数实现。回调函数默认为imread(),即默认这个函数是批量读取图片。
先看一个例子:
import skimage.io as iofrom skimage import data_dirstr=data_dir + '/*.png'coll = io.ImageCollection(str)print(len(coll))
显示结果为24, 说明系统自带了24张png的示例图片,这些图片都读取了出来,放在图片集合coll里。如果我们想显示其中一张图片,则可以在后加上一行代码:
io.imshow(coll[10])
如果一个文件夹里,我们既存放了一些jpg格式的图片,又存放了一些png格式的图片,现在想把它们全部读取出来,该怎么做呢?
import skimage.io as iofrom skimage import data_dirstr='d:/pic/*.jpg:d:/pic/*.png'coll = io.ImageCollection(str)print(len(coll))
注意这个地方’d:/pic/.jpg:d:/pic/.png’ ,是两个字符串合在一起的,第一个是’d:/pic/.jpg’, 第二个是’d:/pic/.png’ ,合在一起后,中间用冒号来隔开,这样就可以把d:/pic/文件夹下的jpg和png格式的图片都读取出来。如果还想读取存放在其它地方的图片,也可以一并加进去,只是中间同样用冒号来隔开。
io.ImageCollection()这个函数省略第二个参数,就是批量读取。如果我们不是想批量读取,而是其它批量操作,如批量转换为灰度图,那又该怎么做呢?
那就需要先定义一个函数,然后将这个函数作为第二个参数,如:
from skimage import data_dir,io,colordef convert_gray(f): rgb=io.imread(f) return color.rgb2gray(rgb)str=data_dir+'/*.png'coll = io.ImageCollection(str,load_func=convert_gray)io.imshow(coll[10])
这种批量操作对视频处理是极其有用的,因为视频就是一系列的图片组合
from skimage import data_dir,io,colorclass AVILoader: video_file = 'myvideo.avi' def __call__(self, frame): return video_read(self.video_file, frame)avi_load = AVILoader()frames = range(0, 1000, 10) # 0, 10, 20, ...ic =io.ImageCollection(frames, load_func=avi_load)
这段代码的意思,就是将myvideo.avi这个视频中每隔10帧的图片读取出来,放在图片集合中。
得到图片集合以后,我们还可以将这些图片连接起来,构成一个维度更高的数组,连接图片的函数为:
skimage.io.concatenate_images(ic)
带一个参数,就是以上的图片集合,如:
from skimage import data_dir,io,colorcoll = io.ImageCollection('d:/pic/*.jpg')mat=io.concatenate_images(coll)
使用concatenate_images(ic)函数的前提是读取的这些图片尺寸必须一致,否则会出错。我们看看图片连接前后的维度变化:
from skimage import data_dir,io,colorcoll = io.ImageCollection('d:/pic/*.jpg')print(len(coll)) #连接的图片数量print(coll[0].shape) #连接前的图片尺寸,所有的都一样mat=io.concatenate_images(coll)print(mat.shape) #连接后的数组尺寸
显示结果:
2(870, 580, 3)(2, 870, 580, 3)
可以看到,将2个3维数组,连接成了一个4维数组
如果我们对图片进行批量操作后,想把操作后的结果保存起来,也是可以办到的。
例:把系统自带的所有png示例图片,全部转换成256*256的jpg格式灰度图,保存在d:/data/文件夹下
改变图片的大小,我们可以使用tranform模块的resize()函数,后续会讲到这个模块。
from skimage import data_dir,io,transform,colorimport numpy as npdef convert_gray(f): image = io.imread(f) image = color.rgb2gray(image) return imagestr=data_dir+'/*.png'coll = io.ImageCollection(str,load_func=convert_gray)for i in range(len(coll)): io.imsave('d:/data/'+np.str(i)+'.jpg',coll[i]) #循环保存图片
- Python图像处理(2):图像显示
- Python图像处理(2)
- python图像处理2
- Python图像处理(16):图像金字塔
- Python图像处理(16):图像金字塔
- Python图像批处理(图像滤波处理)
- Python与图像处理2
- Python图像处理库(2)
- Python-OpenCV 处理图像(七):图像灰度化处理
- Python-OpenCV 处理图像(八):图像二值化处理
- Python-OpenCV 处理图像(七):图像灰度化处理
- Python&Qt&opencv图像处理(2):hello world
- python学习(2)图像处理指令解析
- 2-python图像处理之Matplotlib
- 直方图均衡化处理图像(python)
- python 进行图像处理(PIL)
- Python图像处理(1):替换OpenCV
- Python图像处理(3):视频显示
- 【WPF】窗体页面间传值总结
- SQL 基本语法
- Liferay Portal学习笔记之(五):开发主题风格theme
- 指针求最大值
- linux 显示不出 wifi
- Python图像处理(2)
- 《大型网站核心架构+核心原理与案例分析》之网站架构模式
- tensorflow学习之路(5):利用tensorflow输出devices信息
- mysql索引讲解
- 一个电子发烧友的程序员成长之路
- Recall || Precision || Average_precision(AP) || Intersection-over-Union(IoU)||NMS
- 最全PyCharm 教程
- 算法---猫扑素数的算法实现
- postgresql的now()与Oracle的sysdate