目录
- 01、图像的数据结构概述
- 02、拷贝图像
- 03、剪裁图像
- 04、水平或垂直翻转图像
- 05、逆时针或顺时针旋转图像90度
- 06、平滑图像过滤器
01、图像的数据结构概述
使用Python第三方图像处理库Pillow处理图像时，通常是调用模块中提供的函数和对象来实现图像的基本处理。
实际上，在“底层”图像是由像素点组成的二维数组，每个像素点的位置表示为两个整数的元组，像素的值根据图像模式由对应的元组组成（例如，RGB模式表示为三个整数值组成的元组，分别表示构成颜色的红、蓝、绿的值，范围为0到255）。
图像处理的算法（例如，复制、旋转、裁剪和平滑图像等）根本上就是使用嵌套循环模式对这些像素进行处理。PIL.Image模块中的Image类的方法getpixel()和putpixel()可以用于读取和修改特定位置（loc）的像素的颜色值（pix）。其语法格式如下：
im.getpixel(loc) #返回位于位置loc的像素的颜色。
im.putpixel(loc, pix) #把位于位置loc的颜色替换为pix。
02、拷贝图像
拷贝图像的算法可以通过打开原始图像，创建一个新的大小相同的空白图像，然后将旧图像中的像素颜色复制到新图像相应的像素中。即使用嵌套循环，把旧图像位置(i, j)的像素复制到新图像的位置(i, j)。
【例1】实现图像拷贝函数copy()，输入原始图像对象，返回拷贝后的图像对象。
import PIL.Image
def copy(im):
\”\”\”返回拷贝后的图像对象\”\”\”
# 创建与原始图像相同模式和大小的新图像对象
im_new = PIL.Image.new(im.mode, im.size)
width, height = im.size
# 使用嵌套循环，把旧图像位置(i, j)的像素复制到新图像的位置(i, j)
for i in range(0, width):
for j in range(0, height):
pix = im.getpixel((i,j))
im_new.putpixel((i,j), pix)
return im_new
#测试代码
if __name__ == \”__main__\”:
im = PIL.Image.open(\”c:/pythonpa/cs/img/mandrill.jpg\”)
copy(im).show()
03、剪裁图像
剪裁图像的算法可以通过打开原始图像，指定一个四元组的剪裁框，创建一个与剪裁框大小相同的空白图像，然后将旧图像中剪裁框内的像素颜色复制到新图像中。同样可以使用嵌套循环实现像素复制。
【例2】实现图像剪裁函数crop()，输入原始图像对象，返回剪裁后的图像对象。
import PIL.Image
def crop(im, box):
\”\”\”返回使用矩形框剪切后的图像对象\”\”\”
# 剪切框定义左上角和右下角坐标位置
x1,y1,x2,y2 = box
# 计算新图像的宽度width和高度height，并创建新图像
width,height = x2-x1, y2-y1
im_new = PIL.Image.new(im.mode, (width, height))
# 使用嵌套循环，把旧图像剪切框内的像素拷贝到新图像
for i in range(width):
for j in range(height):
pix = im.getpixel((x1+i,y1+j))
im_new.putpixel((i,j), pix)
return im_new
#测试代码
if __name__ == \”__main__\”:
im = PIL.Image.open(\”c:/pythonpa/cs/img/mandrill.jpg\”)
crop(im).show()
04、水平或垂直翻转图像
水平或垂直翻转的算法可以通过打开原始图像，创建一个新的大小相同的空白图像，然后将旧图像中的像素颜色复制到新图像相应的像素中。水平翻转时，原始图像的像素(i,j)映射到目标图像的位置(width-i-1,j)；垂直翻转时，原始图像的像素(i,j)映射到目标图像的位置(i,height-j-1)。
【例3】实现图像水平或垂直翻转函数flip()，输入原始图像对象，返回水平或垂直翻转后的图像对象。
import PIL.Image
def flip(im, orient=\”H\”):
\”\”\”返回水平或垂直翻转后的图像对象\”\”\”
# 获取图像的宽度width和高度height，并创建新图像
width,height = im.size
im_new = PIL.Image.new(im.mode, im.size)
# 使用嵌套循环，把旧图像的像素拷贝到新图像对应位置
for i in range(width):
for j in range(height):
pix = im.getpixel((i,j))
if orient == \”H\”: #水平翻转时
# 原始图像的像素(i,j)映射到目标图像的位置(width-i-1,j)
im_new.putpixel((width-i-1,j), pix)
else: #垂直翻转时
# 原始图像的像素(i,j)映射到目标图像的位置(i,height-j-1)
im_new.putpixel((i,height-j-1), pix)
return im_new
#测试代码
if __name__ == \”__main__\”:
im = PIL.Image.open(\”c:/pythonpa/cs/img/mandrill.jpg\”)
flip(im, orient=\”H\”).show()
flip(im, orient=\”V\”).show()
05、逆时针或顺时针旋转图像90度
逆时针或顺时针旋转图像90度的算法可以通过打开原始图像（width×height），创建一个新的height×width大小的空白图像，然后将旧图像中的像素颜色复制到新图像中相应的像素中。逆时针旋转图像90度时，原始图像的像素(i,j)映射到目标图像的位置(j,width-i-1)；顺时针旋转图像90度，原始图像的像素(i,j)映射到目标图像的位置(height-j-1,i)。
【例4】实现图像逆时针或顺时针旋转90度的函数rotate()，输入原始图像对象，返回逆时针或顺时针旋转90度后的图像对象。
import PIL.Image
def rotate(im, orient=\”CC\”):
\”\”\”返回逆时针或顺时针旋转90度后的图像对象\”\”\”
# 获取图像的宽度width和高度height，并创建新图像
width,height = im.size
im_new = PIL.Image.new(im.mode, im.size)
# 使用嵌套循环，把旧图像的像素拷贝到新图像对应位置
for i in range(0, width):
for j in range(0, height):
pixel = im.getpixel((i,j))
if orient == \”CC\”: #逆时针针旋转90度时
# 原始图像的像素(i,j)映射到目标图像的位置(j,width-i-1)
im_new.putpixel((j, width-i-1), pixel)
else: #顺时针旋转90度时
# 原始图像的像素(i,j)映射到目标图像的位置(height-j-1,i)
im_new.putpixel((height-j-1, i), pixel)
return im_new
#测试代码
if __name__ == \”__main__\”:
im = PIL.Image.open(\”c:/pythonpa/cs/img/mandrill.jpg\”)
rotate(im, orient=\”H\”).show()
rotate(im, orient=\”V\”).show()
06、平滑图像过滤器
图像过滤器是原始图像中靠近位置(i, j)的多个像素颜色以某种方式组合运算形成的新的图像对象。
例如，简单的平滑过滤器算法可以通过打开原始图像，创建一个新的大小相同的空白图像，然后将将新图像中的每个像素(i, j)的颜色设置为原始像素(i, j)及其相邻像素的颜色的平均值。不位于图像边界上像素(i, j)有8个相邻像素，其相邻像素位于从列i – 1到列i + 1和行j + 1到行j + 1范围。故可以通过下列代码计算新图像中像素(i, j)的颜色：原始图像中像素(i, j)和它的邻居像素的颜色的平均值。注意，如果像素位于边缘，在i-1可能小于0，故可以使用max(i-1, 0)作为下限；同样，可以使用min(i+1, width)作为上限。
【例5】实现平滑图像过滤器函数smooth()，输入原始图像对象，返回平滑过滤后的图像对象。
import PIL.Image
def smooth(im):
\”\”\”返回拷贝后的图像对象\”\”\”
# 创建与原始图像相同模式和大小的新图像对象
im_new = PIL.Image.new(im.mode, im.size)
width, height = im.size
# 使用嵌套循环，把旧图像位置(i, j)的像素复制到新图像的位置(i, j)
for i in range(0, width):
for j in range(0, height):
pix = im.getpixel((i,j))
im_new.putpixel((i,j), pix)
return im_new
#测试代码
if __name__ == \”__main__\”:
im = PIL.Image.open(\”c:/pythonpa/cs/img/mandrill.jpg\”)
smooth(im).show()
到此这篇关于Python使用嵌套循环实现图像处理算法的文章就介绍到这了,更多相关Python图像处理算法内容请搜索悠久资源网以前的文章或继续浏览下面的相关文章希望大家以后多多支持悠久资源网！
您可能感兴趣的文章:
- Python图像处理之图像增广算法详解
- opencv python简易文档之图像处理算法
- python数字图像处理之骨架提取与分水岭算法
- Python中的嵌套循环详情
- Python基础教程之循环语句（for、while和嵌套循环）
- python使用for…else跳出双层嵌套循环的方法实例
- python用列表生成式写嵌套循环的方法
