图像识别的前期工作——使用pillow进行图像处理

Posted 2020-10-02 我是8位的

本文主要介绍使用pillow对图像进行简单处理，进而引出图像处理与手写识别的关系。

　　pillow是个很好用的python图像处理库，可以到官方网站下载最新的文件。如果官网的任何PIL版本都不能与自己的python版本对应，或安装成功后发现运行出错，可以尝试从一个非官方的whl网站下载：http://www.lfd.uci.edu/~gohlke/pythonlibs/#scipy  这个网站的内容相当丰富，而且版本齐全。

打开图片

from PIL import Image
import matplotlib.pyplot as plt

img = Image.open(\'girl.png\')
img.show()

　　控制台显示：size=(461, 603), mode=RGBA, format=PNG

代码很简单，但PIL使用操作系统的默认方式打开图片，我们需要用一些更牛叉的方式打开：

1 from PIL import Image
2 import matplotlib.pyplot as plt
3 
4 img = Image.open(\'girl0.png\')
5 model = img.convert(\'L\')
6 plt.figure("girl")
7 #the argument comp is Colormap
8 plt.imshow(model, cmap=\'pink\')
9 plt.show()

 　　其中img.convert指定一种色彩模式：

• 1 (1-bit pixels, black and white, stored with one pixel per byte)
• L (8-bit pixels, black and white)
• P (8-bit pixels, mapped to any other mode using a colour palette)
• RGB (3x8-bit pixels, true colour)
• RGBA (4x8-bit pixels, true colour with transparency mask)
• CMYK (4x8-bit pixels, colour separation)
• YCbCr (3x8-bit pixels, colour video format)
• I (32-bit signed integer pixels)
• F (32-bit floating point pixels)

分离rgba

　　rgb指红绿蓝光色三原色，a指alpha通道，一般用作不透明度参数

 

img = Image.open(\'girl0.png\')
# 分离rgba
r, g, b, a = img.split()  
plt.figure("girl0")
plt.imshow(r)
plt.show()

 

需要注意的是，并非所有图片都有alpha通道，此时 img.split()仅能返回r,g,b

显示多个图片

from PIL import Image
import matplotlib.pyplot as plt

img = Image.open(\'girl0.png\')
gray = img.convert(\'L\')
# 分离rgba
r, g, b, a = img.split()  
plt.figure("girl")

def setPlot(num, title):
    #subplot(nrows, ncols, plot_number)
    #图表的整个绘图区域被等分为numRows行和numCols列，然后按照从左到右、从上到下的顺序对每个区域进行编号，左上区域的编号为1
    plt.subplot(2, 3, num)
    plt.title(title)
    plt.axis(\'off\')
    
setPlot(1, \'origin\')
plt.imshow(img)

setPlot(2, \'gray\')
plt.imshow(gray, cmap=\'gray\')

setPlot(3, \'rgba\')
# 合并rgba
plt.imshow(Image.merge(\'RGBA\', (r, g, b, a)))

setPlot(4, \'r\')
plt.imshow(r)
  
setPlot(5, \'g\')
plt.imshow(g)

setPlot(6, \'b\')
plt.imshow(b)

二值化处理

到了关键时刻

from PIL import Image
import matplotlib.pyplot as plt

#二值化处理
img = Image.open(\'girl0.png\')
gray = img.convert(\'L\')

WHITE, BLACK = 1, 0
img_new = gray.point(lambda x: WHITE if x > 128 else BLACK)
plt.imshow(img_new, cmap=\'gray\')
plt.show()

　　图片由像素组成，每个像素对应着rgb值，整个图片可以看成一个矩阵。我们将大于128的像素点转换为1，其它转换为0。如果有一张背景色是彩色的手写文字，经过二值化处理后得到这样的图片：

图片压缩

如果图片大小不一，不利于下一步工作，在此需要将图片压缩成统一大小，对于手写数字，可将其压缩为32*32

 1 #等比例压缩图片
 2 #参考 http://fc-lamp.blog.163.com/blog/static/174566687201282424018946/
 3 def resizeImg(**args):
 4     #dst_w,dst_h  目标图片大小,  save_q  图片质量
 5     args_key = {\'ori_img\':\'\', \'dst_img\':\'\', \'dst_w\':\'\', \'dst_h\':\'\', \'save_q\':75}
 6     arg = {}
 7     for key in args_key:
 8         if key in args:
 9             arg[key] = args[key]
10         
11     im = Image.open(arg[\'ori_img\'])
12     ori_w, ori_h = im.size
13     widthRatio = heightRatio = None
14     ratio = 1
15     if (ori_w and ori_w > arg[\'dst_w\']) or (ori_h and ori_h > arg[\'dst_h\']):
16         if arg[\'dst_w\'] and ori_w > arg[\'dst_w\']:
17             widthRatio = float(arg[\'dst_w\']) / ori_w
18         if arg[\'dst_h\'] and ori_h > arg[\'dst_h\']:
19             heightRatio = float(arg[\'dst_h\']) / ori_h
20 
21         if widthRatio and heightRatio:
22             if widthRatio < heightRatio:
23                 ratio = widthRatio
24             else:
25                 ratio = heightRatio
26 
27         if widthRatio and not heightRatio:
28             ratio = widthRatio
29         if heightRatio and not widthRatio:
30             ratio = heightRatio
31             
32         newWidth = int(ori_w * ratio)
33         newHeight = int(ori_h * ratio)
34     else:
35         newWidth = ori_w
36         newHeight = ori_h
37     
38     im.resize((newWidth, newHeight), Image.ANTIALIAS).save(arg[\'dst_img\'], quality=arg[\'save_q\'])

 　　 可以将二值化处理后的图片打印出来

 1 resizeImg(ori_img=\'7.jpg\', dst_img=\'7_1.jpg\', dst_w=32, dst_h=32, save_q=60)
 2 
 3 #二值化处理
 4 img = Image.open(\'7_1.jpg\')
 5 gray = img.convert(\'L\')
 6 
 7 WHITE, BLACK = 1, 0
 8 img_new = gray.point(lambda x: WHITE if x > 128 else BLACK)
 9 arr = nmp.array(img_new)
10 
11 for i in range(arr.shape[0]):
12     print(arr[i].flatten())

 　　于是手写数字变成了这样：

　　这就好玩了。其基本思路是将多维特征转换为容易识别的二维特征，使用KNN或神经网络等方法进行学习，从而使计算机识别出正确的数字。后续文章将会介绍如何设别。

 

---

　　 出处：微信公众号 "我是8位的"

 　　本文以学习、研究和分享为主，如需转载，请联系本人，标明作者和出处，非商业用途！ 

　　 扫描二维码关注作者公众号“我是8位的”