
作者:小伍哥
来源:AI入门学习
python进行图片处理,第一步就是读取图片,这里给大家整理了6种图片的读取方式,并将读取的图片装换成numpy.ndarray()格式。
首先需要准备一张照片,假如你有女朋友的话,可以用女朋友的,没有的话,那还学啥python,赶紧找对象去吧!
图片路径:dirpath = "C:/Users/wuzhengxiang/Desktop/beatgirl.jpg"
一、OpenCV读取图片
OpenCV读取的图片,直接就是numpy.ndarray格式,无需转换
import cv2 img_cv = cv2.imread(dirpath)#读取数据 print("img_cv:",img_cv.shape) img_cv: (1856, 2736, 3) print("img_cv:",type(img_cv)) img_cv:numpy.ndarray'=""> #看下读取的数据怎么样 img_cv array([[[ 0, 3, 0], [ 11, 20, 17], ..., [ 5, 23, 16]], [[ 0, 2, 0], ..., [ 5, 23, 16]]]
二、PIL读取图片
PIL读取的图片并不是直接的numpy.ndarray格式,需要进行转换
from PIL import Image import numpy as np img_PIL = Image.open(dirpath)#读取数据 print("img_PIL:",img_PIL) img_PIL:print("img_PIL:",type(img_PIL)) img_PIL: #将图片转换成np.ndarray格式 img_PIL = np.array(img_PIL) print("img_PIL:",img_PIL.shape) img_PIL: (1856, 2736, 3) print("img_PIL:",type(img_PIL)) img_PIL: numpy.ndarray<="" pre=""> 三、keras读取图片
keras深度学习的框架,里面也是内置了读取图片的模块,该模块读取的也不是数组格式,需要进行转换。
from keras.preprocessing.image import array_to_img, img_to_array load_imgimg_keras = load_img(dirpath)#读取数据 print("img_keras:",img_keras) img_keras:print("img_keras:",type(img_keras)) img_keras: #使用keras里的img_to_array() img_keras = img_to_array(img_keras) print("img_keras:",img_keras.shape) img_keras: (1856, 2736, 3) print("img_keras:",type(img_keras)) img_keras: numpy.ndarray'=""> #可以使用使用np.array()进行转换 mg_keras= np.array(img_keras) 四、skimage读取图片
scikit-image是基于scipy的一款图像处理包,它将图片作为numpy数组进行处理,读取的数据正好是numpy.ndarray格式。
import skimage.io as io img_io = io.imread(dirpath)#读取数据 print("img_io :",img_io .shape) img_io : (1856, 2736, 3) print("img_io :",type(img_io )) img_io :numpy.ndarray'<="" pre=""> 五、matplotlib.image读取图片
利用matplotlib.image读取的图片,直接就生成了数组格式
import matplotlib.image as mpig
img_mpig = mpig.imread(dirpath)#读取数据 print("img_mpig :",img_mpig .shape) img_mpig : (1856, 2736, 3) print("img_mpig :",type(img_mpig )) img_mpig :numpy.ndarray'<="" pre=""> 六、matplotlib.pyplot读取图片
利用matplotlib.pyplot读取的图片,同样也是直接就生成了数组格式
import matplotlib.pyplot as plt img_plt = plt.imread(dirpath) print("img_plt :",img_plt .shape) img5: (1856, 2736, 3) print("img_plt :",type(img_plt )) img5:numpy.ndarray'=""> 七、显示读取的图片
同样,使用matplotlib 包可以打印出来读取的照片,要打印上述案例中读取的照片,只需要下面两行代码就行了。
plt.imshow(img_plt , cmap=plt.cm.binary)
plt.show()
图片三通道的,打印其中一个通道
plt.imshow(img_plt[:,:,1] , cmap=plt.cm.binary)
plt.show()
当然,我们可以随便构造一个数组,可以显示出来
digit = [[135,26,33,12],[14,27,43,190],[120,124,134,205]]
plt.imshow(digit, cmap=plt.cm.binary)
plt.show()
——热门课程推荐:
想学习PYTHON数据分析与金融数字化转型精英训练营,您可以点击>>>“人才转型”了解课程详情;
想从事业务型数据分析师,您可以点击>>>“数据分析师”了解课程详情;
想从事大数据分析师,您可以点击>>>“大数据就业”了解课程详情;
想成为人工智能工程师,您可以点击>>>“人工智能就业”了解课程详情;
想了解Python数据分析,您可以点击>>>“Python数据分析师”了解课程详情;
想咨询互联网运营,你可以点击>>>“互联网运营就业班”了解课程详情;
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15