使用python以及numpy通過直接操作圖像數組完成一系列基本的圖像處理
numpy簡介：
NumPy是一個非常有名的 Python 科學計算工具包,其中包含了大量有用的工具,比如數組對象(用來表示向量、矩陣、圖像等)以及線性代數函數。
數組對象可以實現數組中重要的操作,比如矩陣乘積、轉置、解方程系統、向量乘積和歸一化。這為圖像變形、對變化進行建模、圖像分類、圖像聚類等提供了基礎。
在上一篇python基本圖像操作中,當載入圖像時,通過調用 array() 方法將圖像轉換成NumPy的數組對象。NumPy 中的數組對象是多維的,可以用來表示向量、矩陣和圖像。通過對圖像的數組進行直接操作，就可以完成很多圖像處理。
numpy的相關知識網上有很多資料，作為python科學計算的基礎，還是非常值得認真學習的。
使用圖像數組進行基本圖像操作：
認識圖像數組：
通過下面這幾個程序我們看一下圖像與灰度圖的圖像數組，以及numpy數組的切片。
# -*- coding: utf-8 -*-from PIL import Imagefrom pylab import *#讀取圖片并轉為數組im = array(Image.open("./source/test.jpg"))#輸出數組的各維度長度以及類型print im.shape,im.dtype#輸出位于坐標100,100，顏色通道為r的像素值print im[100,100,0]#輸出坐標100,100的rgb值print im[100,100]及類型print im.shape,im.dtype 運行結果：
(600, 500, 3) uint8
64
[ 64 117 195]
我們看到的是一個三維數組，分別代表橫坐標，縱坐標和顏色通道。
我們可以通過數組把紅藍通道交換
# -*- coding: utf-8 -*-from PIL import Imagefrom pylab import *#讀取圖片并轉為數組im = array(Image.open("./source/test.jpg"))#紅色通道r = im[:,:,0]#交換紅藍通道并顯示im[:,:,0] = im[:,:,2]im[:,:,2] = rimshow(im)show() 這里用到了numpy數組的切片方式，關于numpy的資料網上有很多，就不過多敘述了。
運行結果：
在轉為數組的過程中我們可以設定數據類型，同時灰度圖的圖像數組也是有意義的：
# -*- coding: utf-8 -*-from PIL import Imagefrom pylab import *#讀取圖片,灰度化，并轉為數組im = array(Image.open("./source/test.jpg").convert('L'),'f')#輸出數組的各維度長度以及類型print im.shape,im.dtype#輸出坐標100,100的值print im[100,100] 運行結果：
(600, 500) float32
110.0
額外的參數‘f'將數組的數據類型轉為浮點數
由于灰度圖沒有顏色信息，所以形狀元組只有兩個數值
*array()變換的相反操作可以使用PIL的fromarray()完成，如im = Image.fromarray(im)
圖像數組的簡單應用——灰度變換：
灰度圖像：
灰度數字圖像是每個像素只有一個采樣顏色的圖像。這類圖像通常顯示為從最暗黑色到最亮的白色的灰度。
可以通過下面幾種方法，將圖像轉換為灰度：
1.浮點算法：Gray=R*0.3+G*0.59+B*0.11
2.整數方法：Gray=(R*30+G*59+B*11)/100
3.移位方法：Gray =(R*76+G*151+B*28)>>8;
4.平均值法：Gray=（R+G+B）/3;
5.僅取綠色：Gray=G；
通過上述任一種方法求得Gray后，將原來的RGB(R,G,B)中的R,G,B統一用Gray替換，形成新的顏色RGB(Gray,Gray,Gray)，用它替換原來的RGB(R,G,B)就是灰度圖了。
之前已經使用過很多次了，使用python可以通過使用convert(‘L')來獲得灰度圖
灰度變換：
將圖像讀入 NumPy 數組對象后,我們可以對它們執行任意數學操作。一個簡單的例子就是圖像的灰度變換。即任意函數 f ,它將 0…255 區間(或者 0…1 區間)映射到自身。
下面程序中有一些簡單的灰度變換：
#-*- coding: utf-8 -*-from PIL import Imagefrom pylab import *#讀取圖片,灰度化，并轉為數組im = array(Image.open("./source/test.jpg").convert('L'))im2 = 255 - im # 對圖像進行反相處理im3 = (100.0/255) * im + 100 # 將圖像像素值變換到 100...200 區間im4 = 255.0 * (im/255.0)**2 # 對圖像像素值求平方后得到的圖像(二次函數變換，使較暗的像素值變得更小)#2x2顯示結果 使用第一個顯示原灰度圖subplot(221)title('f(x) = x')gray()imshow(im)#2x2顯示結果 使用第二個顯示反相圖subplot(222)title('f(x) = 255 - x')gray()imshow(im2)#2x2顯示結果 使用第三個顯示100-200圖subplot(223)title('f(x) = (100/255)*x + 100')gray()imshow(im3)#2x2顯示結果 使用第四個顯示二次函數變換圖subplot(224)title('f(x) =255 *(x/255)^2')gray()imshow(im4)#輸出圖中的最大和最小像素值print int(im.min()),int(im.max())print int(im2.min()),int(im2.max())print int(im3.min()),int(im3.max())print int(im4.min()),int(im4.max())show() 運行結果：
0 255
0 255
100 200
0 255
可以比較明顯的看到灰度變換的結果，，第二張圖被反相顯示，第三張圖像的暗部變亮，亮部變暗，其值被限制在100到200之間，其中最后一張圖像通過二次函數變換使較暗的像素值變得更暗。
結語：
本篇博客介紹了python使用圖像數組去進行圖像操作的過程，包括幾個簡單的實例，通過數組我們可以對圖像進行任意數學操作，是圖像變形、圖像分類、圖像聚類等的基礎，希望我的博客對大家有所幫助～
