要使用python进行图像处理，必须读取图像的任意区域，并将其转换为一维数组。 这对于后续的卷积操作的使用很有用。
用以下两种方法处理。
转换函数
来自pil导入图像
import numpy as np
import matplotlib.pyplot as plt
定义矩阵(文件名) :
读取im=image.open(filename ) #图像
im.show(#显示图像
width，height=im.size
打印(width is : ) str (width ) )
打印(高is : ) str ()高() ) ) ) ) ) ) ) ) )。
im=im.convert('l ' ) # pic -- mat变换可以选择不同的模式。 以下是函数源代码的具体说明
数据=im.get数据(
data=NP.matrix (数据，dtype='float ' )/255.0
new_data=NP.reshape(data*255.0，) height，width ) )
new _ im=image.from array (new _ data ) )。
#显示从矩阵数据得到的图像
new_im.show (
返回new _ data
efmatrixtoimage(data ) :
data=data*255
new _ im=image.from array (data.as type (NP.uint8) )
return new_im
''''
转换(自，模式=none，矩阵=none，dither=None，palette=0，colors=256 ) )
| returnsaconvertedcopyofthisimage.for the ' p ' mode，this
| methodtranslatespixelsthroughthepalette.ifmo deis
| omitted，amodeischosensothatallinformationintheimage
| andthepalettecanberepresentedwithoutapalette。
|
| thecurrentversionsupportsallpossibleconversionsbetween
| 'L '，' RGB ' and ' cmyk.' the * * matrix * * argumentonlysupports ' l '
| and 'RGB '。
|
| whentranslatingacolorimagetoblackandwhite (模式' l )，
| thelibraryusestheitu-r601-2 luma transform 33603360
|
| l=r * 299/1000 g * 587/1000 b * 114/1000
|
| thedefaultmethodofconvertingagreyscale (' l ) (or 'RGB ) )。
| imageintoabilevel (模式'1) ) image uses Floyd-Steinberg
| dithertoapproximatetheoriginalimageluminositylevels.if
| dither is NONE，all non-zerovaluesaresetto 255 (white ).to
| use other thresholds，use the : py : meth : `~pil.image.image.point `
|方法
|
| : param mode : therequestedmode.see :3360 ref : `概念- modes `。
| : param matrix 3360 anoptionalconversionmatrix.if given，this
| should be4- or12-tuplecontainingfloatingpointvalues。
| : param dither 3360 dithering method，使用when converting from
| mode ' RGB ' to ' p ' or from ' RGB ' or ' l ' to '1'。
| availablemethodsarenoneorfloydsteinberg (默认)。
| : param palette 3360 palettetousewhenconvertingfrommode ' RGB '
| to ' p '.availablepalettesareweboradaptive。
| : param colors 3360 numberofcolorstousefortheadaptivepalette。
| Defaults to 256。
| : rtype :3360 py : class : `~pil.image.image `
| : returns : an : py : class : `~pil.image.image `对象。
''''
原图：
filepath='./imgs/'
imgdata=imagetomatrix './imgs/0001.jpg ' )
打印(类型) imgdata ) )
打印(imgdata.shape )。
显示PLT.imshow(imgdata )图像
PLT.axis(off ) #坐标轴不显示
plt.show () )
执行结果：
mpimg函数
importmatplotlib.pyplotasplt # PLT用于显示图像
importmatplotlib.imageasmpimg # MP img用于读取图像
import numpy as np
efreadpic(picname，filename ) :
img=MPimg.imread(picname ) )。
#此时img已经是np.array，可以进行任意的处理
weight，height，n=img.shape # (512，512，3 ) ) ) ) ) ) ) )。
打印(the original pic : (n ) str (img ) ) ) ) )
显示PLT.imshow(img ) #图像
PLT.axis(off ) #坐标轴不显示
plt.show () )
获取reshape后矩阵的第一维数据，即所需数据的列表
img_reshape=img.reshape(1，weight*height*n ) [0]
打印(the1-dimage data : (n ) str (img _ reshape ) ) ) ) ) ) )。
(300、300 )区域的小块) 12*12*3)，将该区域的图像数据转换为一维排列
img _ cov=NP.random.randint (1，2，) 12，12，3 ) (此处为np.ones ) )初始化数组。 数组元素是浮动类型，使用NP.random.randint验证它是否为id
forjinrange(12 ) :
forIinrange(12 ) :
img_cov[i][j]=img[300 i][300 j]
img _ reshape=img _ cov.reshape (1，12 * 12 *3) [0]
打印((img _ cov ) )
打印(img _ reshape )是
打印此12*12*3区域的图像
PLT.imshow(img_cov ) )。
PLT.axis (关闭) ) )。
plt.show () )
#写文件
#在append中打开# open:文件，如果找不到相应的文件，则创建具有该名称的文件
withopen(filename，' a ' ) as f:
f .写入(str (img _ reshape ) )
return img_reshape
if __name__=='__main__':
picname='./imgs/0001.jpg '
读pic (picname，' data.py ' )。
读出的数据(12*12*3)的各像素点按r、g、b的顺序排列，具有将该区域作为图像显示的效果。
参考： python读取和显示图像的两种方法
希望以上是正文的全部内容，对大家的学习有帮助。 另外，请大家支持。