f20fd8e72558a8227882c10049229e9.jpg
图像是由一个个像素点构成，每个像素点有三个通道，分别对应R，G，B。彩色RGB图像其实是一个三维矩阵，矩阵中的每个数字(0到255)代表的是一个像素一个通道的灰度。下面举例说明：
image
image
image
一、读取这个图片的三维矩阵
# -*- coding：utf-8 -*-
# &Author AnFany
from skimage import io
fig_path = r"C:\Users\GWT9\Desktop\af.png"
matrix = io.imread(fig_path)
print(matrix, matrix.shape)
- 结果
[[[137 198 182]
[126 189 172]
[112 178 164]
...
[106 220 210]
[ 94 208 198]
[ 96 210 202]]
...
[[210 227 211]
[199 216 200]
[213 227 214]
...
[142 204 193]
[147 207 197]
[151 211 199]]] (189, 149, 3)
二、获取3个通道的矩阵以及维度
# -*- coding：utf-8 -*-
# &Author AnFany
from skimage import io
from PIL import Image
fig_path = r"C:\Users\GWT9\Desktop\af.png" # 图片路径
matrix = io.imread(fig_path)
R = matrix[:, :, 0] # 获取R通道
G = matrix[:, :, 1] # 获取G通道
B = matrix[:, :, 2] # 获取B通道
print('R通道矩阵：\n', R, '维度：', R.shape)
print('G通道矩阵：\n', G, '维度：', G.shape)
print('B通道矩阵：\n', B, '维度：', B.shape)
- 结果
R通道矩阵：
[[137 126 112 ... 106 94 96]
[153 171 154 ... 114 100 116]
[144 137 137 ... 112 106 125]
...
[218 216 206 ... 136 140 140]
[221 210 211 ... 139 143 145]
[210 199 213 ... 142 147 151]] 维度： (189, 149)
G通道矩阵：
[[198 189 178 ... 220 208 210]
[214 233 220 ... 226 212 227]
[206 199 201 ... 220 214 235]
...
[232 230 222 ... 202 204 203]
[235 224 227 ... 203 205 207]
[227 216 227 ... 204 207 211]] 维度： (189, 149)
B通道矩阵：
[[182 172 164 ... 210 198 202]
[198 218 206 ... 214 200 218]
[191 184 187 ... 207 201 224]
...
[219 217 211 ... 188 190 192]
[222 211 216 ... 189 192 194]
[211 200 214 ... 193 197 199]] 维度： (189, 149)
三、根据每个通道的数字矩阵输出图片
# -*- coding：utf-8 -*-
# &Author AnFany
from skimage import io
from PIL import Image
fig_path = r"C:\Users\GWT9\Desktop\af.png" # 图片路径
matrix = io.imread(fig_path)
R = matrix[:, :, 0] # 获取R通道
G = matrix[:, :, 1] # 获取G通道
B = matrix[:, :, 2] # 获取B通道
R_image = Image.fromarray(R)
R_image.show()
R_image.save(r"C:\Users\GWT9\Desktop\af_R.png")
G_image = Image.fromarray(G)
G_image.show()
G_image.save(r"C:\Users\GWT9\Desktop\af_G.png")
B_image = Image.fromarray(B)
B_image.show()
B_image.save(r"C:\Users\GWT9\Desktop\af_B.png")
- 结果
-
R通道
image
-
G通道
image
- B通道
image
四、根据数字矩阵输出图片
因为像素值均是0-255内的数字，因此要保证数字矩阵的数字在此范围内，可以设置数字的格式为uint8。
# -*- coding：utf-8 -*-
# &Author AnFany
from PIL import Image
import numpy as np
# 三维数字矩阵
R = np.arange(-800, 100, 0.5, dtype=np.uint8).reshape(30, 20, 3)
R_image = Image.fromarray(R)
R_image.show()
如果不转换数字格式，也可以为输出的图设定mode，例如mode设置为'RGB'，但是此时数字矩阵和读取生成的图片的矩阵是不同的。
# -*- coding：utf-8 -*-
# &Author AnFany
from PIL import Image
import numpy as np
# 三维数字矩阵
R = np.arange(-800, 100, 0.5).reshape(30, 20, 3)
R_image = Image.fromarray(R, mode='RGB') # 设置mode
R_image.show()
或将数字矩阵中的数字首先变为整数形式，然后小于0的按0计算，大于255的按255计算，这种转换和直接将数字进行uint8转换得到的是不同的，最后在转换为uint8的格式进行图片的输出。
# &Author AnFany
from PIL import Image
import numpy as np
# 三维数字矩阵
R = np.arange(-800, 100, 0.5).reshape(30, 20, 3)
# 进行转换
R[R < 0] = 0
R[R > 255] = 255
R_image = Image.fromarray(np.uint8(R)) # 转为uint8的格式
R_image.show()
项目地址：卷积神经网络CNN，扫描下方二维码或者微信公众号直接搜索”Python范儿“，关注微信公众号pythonfan， 获取更多实例和代码。
pythonfan.jpg
网友评论