利用numpy实现多维数组操作图片

Posted 1121518wo

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了利用numpy实现多维数组操作图片相关的知识,希望对你有一定的参考价值。

        1、上次介绍了一点点numpy的操作,今天我们来介绍它如何用多维数组操作图片,这之前我们要了解一下色彩是由blue ,green ,red 三种颜色混合而成,0:表示黑色 ,127:灰色 ,255:白色   ;接下来我们还是来看代码:

    

 1 import cv2 as cv
 2 import numpy as np
 3 
 4 
 5 def access_piexls(image):
 6     print(image.shape)  #获取图像的形状大小
 7     height=image.shape[0] #图像的第一维度高度
 8     width=image.shape[1] #图像的第二维度宽度
 9     channels=image.shape[2] #图像的第三维度通道数
10     print("height : %s , width :%s , channels: %s"%(height,width,channels))
11     for row in range(height):
12         for col in range(width):
13             for c in range(channels):
14                 pv=image[row,col,c] #一个三维数组,来获取每个维度的值
15                 image[row,col,c]=255-pv  #修改它的颜色显示
16     cv.imshow("hhhh",image)
17 src=cv.imread("D:\\hh.JPG")   #blue green red 色彩通道,这是基本的色彩构成,后面会学到  0:表示黑色   255:表示白色
18 
19 cv.namedWindow(input image,0)
20 cv.imshow(input image,src)
21 t1=cv.getTickCount() #获取当前cpu转动的时间
22  access_piexls(src)
23 24 t2=cv.getTickCount()
25 print("time : %s ms" %((t2-t1)/cv.getTickFrequency()*1000))  #计算走了多少秒
26 cv.waitKey(-1)
27 cv.destoryAllWindows()

 最终实现的效果如下(我们可以看到cpu 显示这这张修改后的照片时间是9秒左右,同时照片的颜色也被改变了):

     技术图片

  2、接下来我们我可以在这个基础上创建出一张新的照片来:

              

 1 import cv2 as cv
 2 import numpy as np
 3 
 4 
 5 def access_piexls(image):
 6     print(image.shape)  #获取图像的形状大小
 7     height=image.shape[0] #图像的第一维度高度
 8     width=image.shape[1] #图像的第二维度宽度
 9     channels=image.shape[2] #图像的第三维度通道数
10     print("height : %s , width :%s , channels: %s"%(height,width,channels))
11     for row in range(height):
12         for col in range(width):
13             for c in range(channels):
14                 pv=image[row,col,c] #一个三维数组,来获取每个维度的值
15                 image[row,col,c]=255-pv  #修改它的颜色显示
16     cv.imshow("hhhh",image)
17 def creat_image():
18     img = np.zeros([400,400,3],np.uint8)  #全zeros时 创建一个图片,高为400,宽为400,三个色彩通道矩阵图像    类型为uint8,这个时候我们还没有对图片进行颜色改变
19     cv.imshow("new_img", img)
20 
21 
22 src=cv.imread("D:\\hh.JPG")   #blue green red 色彩通道,这是基本的色彩构成,后面会学到  0:表示黑色   255:表示白色
23 
24 cv.namedWindow(input image,0)
25 cv.imshow(input image,src)
26 t1=cv.getTickCount() #获取当前cpu转动的时间
27 #access_piexls(src)
28 creat_image()
29 t2=cv.getTickCount()
30 print("time : %s ms" %((t2-t1)/cv.getTickFrequency()*1000))  #计算走了多少秒
31 cv.waitKey(-1)
32 cv.destoryAllWindows()

最终效果是一张黑色的照片:

       技术图片

   3、接下来我们把这张新建的黑色照片,对它进行颜色操作,把它改成blue,也就是对颜色第一颜色通道进行多维数组操作(当然你也可以对其两个颜色通道进行修改):

    

 1 import cv2 as cv
 2 import numpy as np
 3 
 4 
 5 def access_piexls(image):
 6     print(image.shape)  #获取图像的形状大小
 7     height=image.shape[0] #图像的第一维度高度
 8     width=image.shape[1] #图像的第二维度宽度
 9     channels=image.shape[2] #图像的第三维度通道数
10     print("height : %s , width :%s , channels: %s"%(height,width,channels))
11     for row in range(height):
12         for col in range(width):
13             for c in range(channels):
14                 pv=image[row,col,c] #一个三维数组,来获取每个维度的值
15                 image[row,col,c]=255-pv  #修改它的颜色显示
16     cv.imshow("hhhh",image)
17 def creat_image():
18     img = np.zeros([400,400,3],np.uint8)  #全zeros时 创建一个图片,高为400,宽为400,三个色彩通道矩阵图像    类型为uint8,这个时候我们还没有对图片进行颜色改变
19     img[: , : , 0]=np.ones([400,400])*255  #修改第一通道的颜色为blue  对第一个颜色通道操作
20     cv.imshow("new_img", img)
21 
22 
23 src=cv.imread("D:\\hh.JPG")   #blue green red 色彩通道,这是基本的色彩构成,后面会学到  0:表示黑色   255:表示白色
24 
25 cv.namedWindow(input image,0)
26 cv.imshow(input image,src)
27 t1=cv.getTickCount() #获取当前cpu转动的时间
28 #access_piexls(src)
29 creat_image()
30 t2=cv.getTickCount()
31 print("time : %s ms" %((t2-t1)/cv.getTickFrequency()*1000))  #计算走了多少秒
32 cv.waitKey(-1)
33 cv.destoryAllWindows()

    技术图片

      4、单通道操作,更加简单:

 1 import cv2 as cv
 2 import numpy as np
 3 
 4 def creat_image():
 5     img = np.ones([400,400,3],np.uint8)
 6     img=img * 0
 7     cv.imshow("new_img", img)
 8 
 9 cv.waitKey(-1)
10 cv.destoryAllWindows()

 5、填充操作(当我们把创建的图片大小取小一点的话,我可以用fill(进行填充操作):

        

 1 import cv2 as cv
 2 import numpy as np
 3 
 4 def creat_image():
 5     m1 = np.ones([3,3],np.uint8)
 6     m1.fill(122)
 7     print(m1)
 8 
 9     m2=m1.reshape([1,9])  #把一行分为9列
10     print(m2)
11 
12 
13 
14 
15 
16 src=cv.imread("D:\\hh.JPG")   #blue green red 色彩通道,这是基本的色彩构成,后面会学到  0:表示黑色   255:表示白色
17 
18 cv.namedWindow(input image,0)
19 cv.imshow(input image,src)
20 t1=cv.getTickCount() #获取当前cpu转动的时间
21 #access_piexls(src)
22 creat_image()
23 t2=cv.getTickCount()
24 print("time : %s ms" %((t2-t1)/cv.getTickFrequency()*1000))  #计算走了多少秒
25 cv.waitKey(-1)
26 cv.destoryAllWindows()

技术图片

     以上就是今天所学的东西了,就分享到这里了,睡觉了,现在是凌晨12:36,。

 

以上是关于利用numpy实现多维数组操作图片的主要内容,如果未能解决你的问题,请参考以下文章

利用Python进行数据分析——Numpy基础:数组和矢量计算

NumPy之:ndarray多维数组操作

NumPy之:ndarray多维数组操作

深度学习网络中numpy多维数组的说明

利用Python进行数据分析:NumPy

numpy多维数组元素筛选