用plt比较轻量级，用opencv是比较重量级
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
|
import numpy as npfrom pil import imageif __name__ == '__main__': image_file = '/users/mac/documents/学习文档/机器学习/5.package/son.png' height = 100 #假定写入图片的高度是100 img = image.open(image_file) img_width, img_height = img.size #获取img的尺寸 width = 2 * height * img_width // img_height # 假定字符的高度是宽度的2倍，写入图片的高度是宽度的2倍 img = img.resize((width, height), image.antialias) #改变尺寸，将新定的宽度，高度重定img的size赋给img pixels = np.array(img.convert('l')) #转成灰度值喂给array,pixels是个存灰度值的数组 print(pixels.shape) print(pixels) chars = "mnhq$oc?7>!:-;. " #256色的不同通道浓淡，m代表0-15，n代表16-31 n = len(chars) step = 256 // n print(n) print step result = '' for i in range(height): for j in range(width): result += chars[pixels[i][j] // step] #像素点的值除以step是可以找到step这个像素点的位置，char做素引，是指对应的该 #点的值填充成上面更浓的色，故就显示出来了 result += '\n' with open('text.txt', mode='w') as f: f.write(result) |
用pit详解步骤：
|
1
|
img = image.open(path)#打开图片 |
|
1
|
img.getpixel((height, width))#得到(height, width)处的像素值（可能是一个list，3通道） |
|
1
|
img.convert("l")#转灰度图 |
|
1
2
|
size = (64, 64) img.resize(size, image.antialias)#改变尺寸 |
|
1
2
|
box = (10, 10, 100, 100) img.crop(box).show#在img上的box处截图,show显示图片 |
|
1
2
3
4
5
6
7
8
|
#shape[0]-1梯度下降的办法取x,y值，再将img_data[x][y][0]x,y处0通道赋255色值img_data = np.array(img) for i in xrange(300): x = random.randint(0, img_data.shape[0]-1) y = random.randint(0, img_data.shape[1]-1) #shape[0]是表几行，shape[1]表示几列，y在列向量上故用shape[1] img_data[x][y][0] = 255 img = image.fromarray(img_data)#加300个噪音,转来转去麻烦可以直接用skimage度图片就不用转了 img.show() |
|
1
|
img.rotate(90)#图片旋转90 |
|
1
|
img.transpose(image.flip_left_right)#图片镜像 |
二、skimage打开的图片img_data：
|
1
2
3
|
from skimage import io,transform img_data = io.imread(img_path) transform.resize(img_data, (64, 64))#改变尺寸 |
|
1
|
transform.rescale(img_data, 0.5)#缩小/放大图片 |
以上这篇对python plt中的image和skimage处理图片方法详解就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持服务器之家。
原文链接：https://blog.csdn.net/u012474716/article/details/78741194
