感谢关注天善智能,走好数据之路↑↑↑
欢迎关注天善智能,我们是专注于商业智能BI,人工智能AI,大数据分析与挖掘领域的垂直社区,学习,问答、求职一站式搞定!
本文作者:天善智能社区专家鲁伟
天善智能社区地址:https://www.hellobi.com/
今天要给大家介绍的是2017年的一款新包——magick包。可能大家看到推文题目也都知道了,这是一款图片与图像处理的扩展包,以后ps能做的R语言一定程度上也可以做啦。毕竟从大数据的角度来讲,图片图像数据也是数据嘛。话不多说,小编带大家直接上手magick包。
安装
安装和载入magick包后,可查看在R语言中支持哪些图片格式。
install.packages("magick")
library(magick)
str(magick::magic_config())
## List of 21
## $ version :Class 'numeric_version' hidden list of 1
## ..$ : int [1:4] 6 9 6 6
## $ modules : logi FALSE
## $ cairo : logi TRUE
## $ fontconfig : logi TRUE
## $ freetype : logi TRUE
## $ fftw : logi FALSE
## $ ghostscript : logi FALSE
## $ jpeg : logi TRUE
## $ lcms : logi FALSE
## $ libopenjp2 : logi FALSE
## $ lzma : logi TRUE
## $ pangocairo : logi TRUE
## $ pango : logi TRUE
## $ png : logi TRUE
## $ rsvg : logi TRUE
## $ tiff : logi TRUE
## $ webp : logi TRUE
## $ wmf : logi FALSE
## $ x11 : logi FALSE
## $ xml : logi TRUE
## $ zero-configuration: logi FALSE
可见magick包在R语言中支持大部分图片格式,常见的jpeg和png格式就足以解决大部分图片格式问题。
图片输入与输出
magick包可以通过image_read函数直接从文件路径、URL和图片数据原始向量中读入图片,读入成功可以显示图片的一些基本信息。先读入一只老虎看看:
tiger<-image_read('http://jeroen.github.io/images/tiger.svg')
image_info(tiger)
## format width height colorspace filesize
## 1 png 900 900 sRGB 0
图片读入之后还可以通过image_write函数将图片输出,另存为任何图片格式也是可以的。
image_write(tiger,path="tiger.png",format="png")
图片处理
如果是仅仅读入读出图片,那magick包也没多大意义了。一般图片处理软件中的功能magick也可以处理。
裁剪与编辑
magick提供了一些形如AxB+C+D一类的转换函数来实现对图片的裁剪与编辑处理。比如说:
image_crop(image, "100x150+50")
image_scale(image, "200")
image_scale(image, "x200")
image_fill(image, "blue", "+100+200")
image_border(frink, "red", "20x10")
下面通过实例看看各函数用法含义。
先读入一个celtic图片:
celtics <- read_image("F:/R/celtics.png")
print(celtics)
加个20x10的绿框看看:
image_border(celtics,"green","20x10")
从右边裁掉5个尺寸:
image_crop(celtics,"100x150+5")
放个大看看:
image_scale(celtics,"200")
换个边儿看看:
image_flop(celtics)
其他的像旋转、倒置、缩放等操作都是有类似函数可以处理的,具体可查阅magick帮助文档。
再上个背景色,把绿凯变成粉凯:
image_backgroud(celtics,"pink",flattern=TRUE)
虚化一下绿凯:
image_blur(celtics,10,5)
类似的处理操作有点多,小编就不一一展示了。有兴趣的朋友可以自己去探索。
添加文本
magick包也提供了为图片添加文本信息的功能,且看实例。
为绿凯喊个口号:
image_annotate(celtics,"Beat LA!",size=35,gravity="southwest",color="green")
管道操作进行链接
如果你嫌一次只进行一个处理太麻烦,magick和magrittr包联合使用大可以让你实现这些操作。相信你在dplyr包中已经见识到了这些%>%管道操作符的厉害了。
library(magrittr)
image_read("F:/R/celtics.png")
%>%image_rotate(270)%>%image_background("pink",flatten=TRUE)%>%image_border("green","10x10")%>%image_annotate("Beat LA!",color="black",size=30)
图片向量
以上都是针对单张图片进行处理的。magick包里面所有函数都具有向量化功能,可以支持图层叠加、拼图以及动图处理。先看个动态的地球:
earth<-image_read("https://jeroen.github.io/images/earth.gif")
earth
<-image_scale(earth,"200")
length(earth)
print(earth)
叠加
我们也可以像在ps里面一样进行图层叠加。
bigdata<-image_read('https://jeroen.github.io/images/bigdata.jpg')
frink
<-image_read("https://jeroen.github.io/images/frink.png")
logo
<-image_read("https://www.r-project.org/logo/Rlogo.png")
img
<-c(bigdata,logo,frink)
img
<-image_scale(img,"300x300")
image_info(img)
## format width height colorspace filesize
## 1 JPEG 300 225 sRGB 0
## 2 PNG 300 263 sRGB 0
## 3 PNG 148 300 sRGB 0
image_mosaic(img)
组合
也可以把几张图片组合在一起。虽然比较丑,但重在功能展示一下。
left_to_right<-image_append(image_scale(img,"x200"))
image_background(left_to_right
,"white",flatten=TRUE)
加个stack参数也可以竖着组合,这里不再演示。
扫描文档为图片
magick还可以将指定PDF文档扫描为png等图片格式的形式。且看例子:
manual<-image_read('https://cran.r-project.org/web/packages/magick/magick.pdf',density="72x72")
image_info(manual)
image_convert(manual[1]
,"png",8)
这里需要借助pdftools包来实现:
library(pdftools)
bitmap
<-pdf_render_page('https://cran.r-project.org/web/packages/magick/magick.pdf',page=1,dpi=72,numeric=FALSE)
image_read(bitmap)
动图
magick做GIF动图也是毫无压力的:
image_animate(image_scale(img,"200x200"),fps=1,dispose="previous")
最后展示一个R logo的动态图:
newlogo<-image_scale(image_read("https://www.r-project.org/logo/Rlogo.png"),"x150")
oldlogo
<-image_scale(image_read("https://developer.r-project.org/Logo/Rlogo-3.png"),"x150")
frames
<-image_morph(c(oldlogo,newlogo),frames=10)
image_animate(frames)
总结
从上面的演示大家也都看到了,magick包包含了大部分ps所具备的功能,以后用R语言p个图什么的也都是分分钟的事啦。
参考资料:
http://127.0.0.1:19145/library/magick/doc/intro.html
天善学院双十一特价课程限时优惠进行中,五场微课联播免费学习,欢迎关注。https://www.hellobi.com/1111
11月6日年迈的数据分析师教你做年终总结报告
陈丹奕:知乎大神,前百度资深数据分析师
11月7日机器学习与工业实践
邹博:中国科学院副研究员,天津大学特聘教授
11月8日 贝叶斯算法与新闻分类实战
唐宇迪:深度学习领域多年一线实践研究专家,同济大学硕士
11月9日破冰Python,1小时快速入门
王大伟: Python爱好者社区公众号负责人,擅长网络爬虫、数据分析
11月10日 职场也有双11--你贱卖自己的5大常用技巧
陈文:8年经验数据分析师,资深业务顾问
网友评论