ailearning/docs/da/085.md

图像基础

导入相应的包：

In [1]:

import matplotlib.pyplot as plt
import matplotlib.image as mpimg
import numpy as np
%matplotlib inline

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]:

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

In [3]:

img.shape

Out[3]:

(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]:

img.dtype

Out[4]:

dtype('float32')

显示图像

使用 plt.imshow() 可以显示图像：

In [5]:

imgplot = plt.imshow(img)


伪彩色图像

从单通道模拟彩色图像：

In [6]:

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


改变 colormap

In [7]:

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

In [8]:

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


显示色度条：

In [9]:

imgplot = plt.imshow(lum_img)
imgplot.set_cmap('spectral')
plt.colorbar()
plt.show()


限制显示范围

先查看直方图：

In [10]:

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


将显示范围设为 0.0-0.7：

In [11]:

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


resize 操作

In [12]:

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


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]:

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

In [14]:

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