python如何读取图片任意范围区域

这篇文章主要介绍了python如何读取图片任意范围区域，具有一定借鉴价值，感兴趣的朋友可以参考下，希望大家阅读完这篇文章之后大有收获，下面让小编带着大家一起了解一下。

python是什么意思

Python是一种跨平台的、具有解释性、编译性、互动性和面向对象的脚本语言，其最初的设计是用于编写自动化脚本，随着版本的不断更新和新功能的添加，常用于用于开发独立的项目和大型项目。

使用python进行图片处理，现在需要读出图片的任意一块区域，并将其转化为一维数组，方便后续卷积操作的使用。
下面使用两种方法进行处理：

convert 函数

from PIL import Image import numpy as np import matplotlib.pyplot as plt def ImageToMatrix(filename):  im = Image.open(filename)  # 读取图片  im.show()      # 显示图片  width,height = im.size  print("width is :" + str(width))  print("height is :" + str(height))  im = im.convert("L")    # pic --> mat 转换，可以选择不同的模式，下面有函数源码具体说明  data = im.getdata()  data = np.matrix(data,dtype='float')/255.0  new_data = np.reshape(data * 255.0,(height,width))  new_im = Image.fromarray(new_data)  # 显示从矩阵数据得到的图片  new_im.show()  return new_data def MatrixToImage(data):  data = data*255  new_im = Image.fromarray(data.astype(np.uint8))  return new_im '''  convert(self, mode=None, matrix=None, dither=None, palette=0, colors=256)   |  Returns a converted copy of this image. For the "P" mode, this   |  method translates pixels through the palette. If mode is   |  omitted, a mode is chosen so that all information in the image   |  and the palette can be represented without a palette.   |     |  The current version supports all possible conversions between   |  "L", "RGB" and "CMYK." The **matrix** argument only supports "L"   |  and "RGB".   |     |  When translating a color image to black and white (mode "L"),   |  the library uses the ITU-R 601-2 luma transform::   |     |   L = R * 299/1000 + G * 587/1000 + B * 114/1000   |     |  The default method of converting a greyscale ("L") or "RGB"   |  image into a bilevel (mode "1") image uses Floyd-Steinberg   |  dither to approximate the original image luminosity levels. If   |  dither is NONE, all non-zero values are set to 255 (white). To   |  use other thresholds, use the :py:meth:`~PIL.Image.Image.point`   |  method.   |     |  :param mode: The requested mode. See: :ref:`concept-modes`.   |  :param matrix: An optional conversion matrix. If given, this   |   should be 4- or 12-tuple containing floating point values.   |  :param dither: Dithering method, used when converting from   |   mode "RGB" to "P" or from "RGB" or "L" to "1".   |   Available methods are NONE or FLOYDSTEINBERG (default).   |  :param palette: Palette to use when converting from mode "RGB"   |   to "P". Available palettes are WEB or ADAPTIVE.   |  :param colors: Number of colors to use for the ADAPTIVE palette.   |   Defaults to 256.   |  :rtype: :py:class:`~PIL.Image.Image`   |  :returns: An :py:class:`~PIL.Image.Image` object. '''

原图：

filepath = "./imgs/" imgdata = ImageToMatrix("./imgs/0001.jpg") print(type(imgdata)) print(imgdata.shape) plt.imshow(imgdata) # 显示图片 plt.axis('off')  # 不显示坐标轴 plt.show()

运行结果：

mpimg 函数

import matplotlib.pyplot as plt  # plt 用于显示图片 import matplotlib.image as mpimg  # mpimg 用于读取图片 import numpy as np def readPic(picname, filename):  img = mpimg.imread(picname)  # 此时 img 就已经是一个 np.array 了，可以对它进行任意处理  weight,height,n = img.shape  #(512, 512, 3)  print("the original pic: \n" + str(img))  plt.imshow(img)     # 显示图片  plt.axis('off')     # 不显示坐标轴  plt.show()  # 取reshape后的矩阵的第一维度数据，即所需要的数据列表   img_reshape = img.reshape(1,weight*height*n)[0]   print("the 1-d image data :\n "+str(img_reshape))  # 截取（300，300）区域的一小块（12*12*3），将该区域的图像数据转换为一维数组  img_cov = np.random.randint(1,2,(12,12,3))  # 这里使用np.ones()初始化数组，会出现数组元素为float类型，使用np.random.randint确保其为int型  for j in range(12):   for i in range(12):    img_cov[i][j] = img[300+i][300+j]  img_reshape = img_cov.reshape(1,12*12*3)[0]  print((img_cov))  print(img_reshape)  # 打印该12*12*3区域的图像  plt.imshow(img_cov)   plt.axis('off')   plt.show()  # 写文件  # open:以append方式打开文件，如果没找到对应的文件，则创建该名称的文件  with open(filename, 'a') as f:   f.write(str(img_reshape))  return img_reshape if __name__ == '__main__':  picname = './imgs/0001.jpg'  readPic(picname, "data.py")

读出的数据（12*12*3），每个像素点以R、G、B的顺序排列，以及该区域显示为图片的效果：

感谢你能够认真阅读完这篇文章，希望小编分享的“python如何读取图片任意范围区域”这篇文章对大家有帮助，同时也希望大家多多支持亿速云，关注亿速云行业资讯频道，更多相关知识等着你来学习!